本节要解决的问题
这一部分围绕“评测 Agent”展开，从可运行代码出发，把 Agent 的一个关键能力拆成可以理解、验证和复现的步骤。
Notebook 结构
- 评测运行方式
阅读 Notebook 中对应部分，记录输入、输出、状态变化和失败处理。
- Pytest / Vitest
阅读 Notebook 中对应部分，记录输入、输出、状态变化和失败处理。
- LangSmith Dataset
阅读 Notebook 中对应部分，记录输入、输出、状态变化和失败处理。
- 测试用例设计
阅读 Notebook 中对应部分，记录输入、输出、状态变化和失败处理。
- Target Function 与 Evaluator Function
阅读 Notebook 中对应部分，记录输入、输出、状态变化和失败处理。
- LLM-as-Judge
阅读 Notebook 中对应部分，记录输入、输出、状态变化和失败处理。
- 扩大测试集与结果分析
阅读 Notebook 中对应部分，记录输入、输出、状态变化和失败处理。
建议阅读顺序
先通读概念和状态定义，再运行最小示例，然后观察工具调用和图的流转，最后阅读测试、人工确认或记忆部分。每次只改变一个变量，便于判断结果变化来自哪里。
实践任务
- 画出本节 Agent 的状态图。
- 列出所有工具及其输入输出。
- 故意制造一次失败，记录系统如何恢复。
- 写下一个可以迁移到自己项目的改造点。
完成标准
你不只要能运行代码，还应该能解释每个节点为什么存在、节点之间如何连接，以及在真实产品中需要补上哪些安全和评测措施。