你的Agent测试全绿，上线照样翻车？Google 95分钟课：过程早就歪了

你的Agent测试全绿，上线照样翻车。不是模型菜，是没人看过它办事的过程。

Google最近出了一堂95分钟的课程，核心是ADK eval。两个内置指标：response match管最终输出合不合规，trajectory管agent走完整个任务的中间轨迹——查了什么、调了什么、中间改了几次主意。两个指标直接塞进pytest，扔进CI/CD，每次改prompt自动跑回归。整套搭完，不到半小时。

trajectory值得单独说。它暴露了一个常被忽略的盲区：答案可能是对的，过程完全不可控。线上翻车的坑，往往不在最终结果，而是过程早就歪了。

课程还给了一个反常识的解法：agent输出老不合规，别拿标准答案硬比。写一个checker，逐条查约束，再算分。ADK optimize会一轮跑30个候选，8到10分钟，自动修改instruction。说白了，agent自己给自己改作业。

但评估器不是万能的。课程明确提醒：拿LLM当judge，选错模型，后面跑再多轮都白费。先用几十条人工标注的数据验一遍，再上量。

有开发者看完这堂课，把手上agent的中间步骤全打出来过了一遍，发现好几个坑不是答案错，是过程早就歪了。中文字幕已经出了，收藏好，找时间细品。