AI Agent 应用精细化评测：评测体系设计与工程实践

阿里速卖通技术团队为商品中心 AI Agent 构建了一套精细化评测体系，按感知、规划、记忆、工具四大模块拆解评测，并同时衡量质量、成本、性能三个维度。该体系以任务完成率为北极星指标，端到端评测覆盖任务完成率、多轮对话完成率、幻觉率等六项用户感知指标，模块级评测则定位意图识别、路由决策、记忆衰减等具体根因。