评估 AI Agent（智能体）的推理质量比单纯评估 LLM（大语言模型）要复杂得多。LLM 的评估通常关注文本生成的准确性、流畅性和知识覆盖，而 Agent 的评估核心在于“解决问题的过程”和“行动的有效性”。 Agent 的推理不仅仅是生成文字，它包含：感知 $\rightarrow$ 规划 $\rightarrow$ 行动（工具调用） $\rightarrow$ 观察 $\rightarrow$ 反思 $\rightarrow$ 修正 的闭环。 以下是一个系统性的 Agent 推理质量评估框架： --- 一、 评估维度的拆解 (Dimensions) 要评估推理质量，不能只看结果（Outcome），必须看过程（Process/Trajectory）。 1. 规划能力 (Planning & Decomposition) 这是 Agent 推理的核心。 任务拆解粒度： Agent 是否将复杂目标拆解为合理、可执行的子步骤？ 逻辑依赖性： 步骤之间的顺序是否符合逻辑（例如，必须先搜索信息，再基于信息写代码）？ 冗余度： 是否生成了无效或重复的步骤？ 2. 工具使用推理 (Too...
播面