什么是 Agent 的端到端（End-to-End）评估？

返回 Agent 工程 目录

标准回答

端到端评估从用户发起目标开始，到实际结果被验证结束，覆盖中间全部依赖。

• 建立代表性任务集和明确的完成判据。
• 在可控环境中执行工具，检查最终状态和副作用。
• 保留失败轨迹并按原因分类，避免只比较平均分。

通俗例子

预约助手只有生成漂亮回答不算成功，还要检查日历是否出现正确时间的预约，并确认没有重复创建。

易混淆点

LLM-as-judge 可辅助评估，但需要校准；客观业务结果优先用确定性检查。

内容来源

• Android · AI Agent 知识手册 · 原条目 ai-Q148