Agent-as-a-Judge

Agent-as-a-Judge 的思路很聪明——让 AI 代理来评估 AI 代理。传统上你要找人工评审给 LLM 的输出打分，成本高、速度慢。这个系统搭建了一个代理评估的闭环：代理 A 执行任务，代理 B 评审结果，代理 C 汇总评分。自动化流程减少了人工介入，评估标准也可以保持一致。对需要大规模评估 LLM 输出质量的团队来说，比人工评审效率高得多。