agent-eval-forge1 篇实战文章

昨晚照旧刷 dev.to，刷到一篇标题特别实诚的文章，作者说他跑了一百五十多个仓库里的 agent，总通过率 9%。原话大概是"这数字让我重新想了一下评估到底该怎么做"。