做 AI Agent 的团队会卡在评测上，固定题库很难测真实任务。

星***

【AI】

做 AI Agent 的团队会卡在评测上，固定题库很难测真实任务。MirroS 把 Harness 做成开源评测系统，让 Agent 自己拆任务找证据打分。评论区有人问 stateful 难题和可观测性，适合延伸成评测服务、模板或私有部署。

Mystic***

看到就是学到，信息本身不难，难的是把它转成行动。