Google 公开 Agent 评测路径：从人工读 Trace 到发布门禁

Google 开发者博客公开了一套 Agent 评测路径，从关键用户旅程、模拟用户和人工 Trace 审阅，逐步走到自动评测与合并门禁。文章指出 Agent 可能陷入循环、重复调用工具并消耗大量 Token，最终仍给出通顺答案，因此只断言最终输出不足以证明可上线。文中把该路径拆成 Day 0 人工读 10 至 20 条高风险链路 Trace、Day 1 分单元测试与确定性指标及 LLM Judge 和集成测试四层、Day 2 设总体基线与核心风险项零回归两条门禁，并给出基于 pytest 的最小断言示例。