如何用 Harbor 在真實任務上測試你的代理——Arize AI 的 Xander Song

Arize AI 的 Xander Song 介紹 Harbor，這是一套開源框架，可在擬真的沙箱任務上評估代理；他說明如何以驗證器為基礎的獎勵機制與軌跡追蹤，驗證了一項提示詞變更，讓代理從 REST 分頁查詢改走 SQL，並指出最難的部分在於擬真資料。