为智能体构建评测：评测体系是 AI 产品的基础环节

这是一条面向开发者的经验分享，核心观点是评测（evals）是智能体开发栈中的支柱环节。作者指出智能体需要通过多种方式获取数据，但缺少评测就无法构建出在真实世界有用的产品。作者还提到 dair_ai 正在构建用于衡量前沿模型的评测。