#评测

调试不是评测：Agent 上线前的四道关

改完一个 Badcase 就以为修好了，结果又冒出三个新问题。一次一条的调试、几十条的评测、改完必做的回归 —— 以及那条让我少走很多弯路的 RAG 排查顺序铁律。