评估AI智能体需追踪实境多步工具调用成功率

评估 AI 智能体需要衡量其在实时环境中执行复杂、按顺序进行的工具调用的能力。开发者必须追踪多步骤工作流中的成功率，而不仅仅是单轮响应。这种系统性方法有助于识别智能体在长时间运行任务中的失败之处。