工具调用成功不等于决策正确：agent 可靠性该怎么评估

一位开发者指出 agent 可靠性评估中被忽视的问题：工具调用成功、工作流无报错，但可能更新了错误客户的账户。他主张把三件事分开评估——agent 是否正确理解请求、是否选对动作和目标对象、系统是否安全执行了该动作。对敏感操作还应加上授权检查、清晰的审计日志和不可逆变更前的确认机制，帖末他向社区征询如何评估 agent 是否做对了决策而非仅成功执行工具。