美团发布 Agent 评测白皮书首篇：四模块、三能力、两条 Loop
- 体系框架：白皮书把完备评测体系拆为离线评测、在线评测与监控、Case 挖掘与归因、观测基建四个模块，并沉淀评测标准与评测样本两类资产。
- 两条 Loop：评测体系迭代 Loop 用线上异常信号校准评测集与 Rubric；Agent 迭代 Loop 用同一批真实样本定位问题、变更、回测和上线。
- 关键判断：Agent 评测从“答案评测”走向“行为评测”；离线守住已知问题，在线发现未知问题，观测 Trace 是归因的前置条件。
- 行业意义：Agent 项目卡在 Demo、扩量与价值证明，常因缺少可靠判断机制；白皮书把评测从单次打分动作推向可接入 CI/CD 的资产与流程。 🔗 美团技术团队
