LangChain 官方答疑：Agent Evals 最常见问题全解析

LangChain 教育团队汇总 agent evals 最常见疑问并逐一解答，指出 agent 因输出随机、多解和自选路径而难以评测。官方建议先用真实 trace 建小数据集跑基线，上线前做离线 eval、生产中做在线 eval，并把新失败案例转成数据集样本。评测器能用代码就用代码、否则用 LLM judge 并人工校验，多步 agent 需评测完整轨迹与最终状态。