Agent Evaluator：智能体能力自动测试与评估技能

概述

本技能系统化地自动测试与评估智能体（Agent）的综合能力。Agent 的核心公式为：Agent = LLM + 工具使用 + 记忆 + 规划与执行循环。评测从 LLM 基座能力 和 Agent 架构能力 两个层面解耦进行，最终输出综合成熟度等级与精准优化建议。

核心设计理念

• 双轨解耦：LLM 能力（大脑）与 Agent 架构能力（躯干）分开评测，精准定位瓶颈
• 六维场景：覆盖 RAG、小说创作、新媒体创作、编程、行业研究、问题解决 6 大应用场景
• EPFMS 指标：效能（Efficacy）、过程（Process）、效率（Frugality）、记忆（Memory）、安全（Safety）
• 成熟度分级：M0 玩具 → M1 助手 → M2 干将 → M3 专家，附 LLM/Agent 双轨等级

快速开始

# 运行完整评估（交互式选择场景）
python scripts/run_evaluation.py