这一讲解决什么问题上一讲我们学习了环境交互型 Agent。环境交互让 Agent 从“会说”变成“会做”：能打开浏览器 能读取文件 能修改代码 能运行测试 能执行命令 能根据反馈继续下一步但一旦 Agent 开始真正做事，我们马上会遇到一个更严肃的问题：怎么判断 Agent 做得对不对？普通软件系统的测试相对明确。例如一个函数：defadd(a:int,b:int)