Agent 评测全流程拆解：数据集、Worker、评分器、发布门禁

作者结合内部一套 Agent 评测系统，按用例设计、任务执行、评分和回归的顺序拆解评测全流程，并区分它与传统软件测试的差异：传统测试侧重验证，Agent 评测更强调衡量完成质量、执行过程与多次运行的稳定性。