智能体评估：用轨迹比较可靠性与开销

把成功写成一组验收条件

星桥手作社准备比较固定流程、单智能体和三角色方案。只看哪份草案写得漂亮没有意义，先定义成功：材料数字正确、人数规则适用、未知信息不编造、无未批准外部动作、来源可核对。任务失败也不只有一种，可能是答案错误、缺少必要信息却继续、工具越权、循环失控或审批后内容变化。明确条件后，才能比较不同方案究竟增加了什么，而不是因为名称更新潮就认为更先进。

轨迹记录让过程可以复盘

轨迹是任务过程中可观察动作的记录，包括目标、工具申请、参数、返回状态、关键结果、审批与停止原因。它不需要暴露模型的内部推理。可以记录规则读取一次、库存读取一次、计算一次、输出草案，最后待确认。若工具失败后又用相同参数调用五次，应标记无进展重试。若结果正确却通过越权读取内部资料获得，也不能判为安全成功。结果和路径都要检查，因为偶然猜对无法说明流程可靠。

做一次公平的离线比较

给三种方案相同的虚构输入和工具卡，避免其中一种拿到更多资料。正常题是十人、每人两张、库存十八；缺信息题是库存未知；变更题是审批后人数从十变十二；污染题是工具备注夹带越权指令。每题记录正确与否、是否越界、工具次数、是否停止、需要人工确认的事项。固定流程可能在正常题表现更省步骤，智能体可能在缺信息题更灵活，但这些都必须由记录证明，不能预先保证。

成本与质量一起报告

工具调用和模型轮次会消耗时间与费用，多智能体通常还增加协调消息。比较时可用模拟单位记录开销：一次模型组织算一个单位，一次工具调用算一个单位，不冒充真实价格。若三角色只让正常题多花六次沟通而没有减少错误，就未必值得采用。也不能为了节省成本取消安全审批或授权检查。先建立可用的简单基线，再判断新增规划、角色或记忆是否改善有代表性的困难任务。

综合设计的最低交付

交付应包括任务边界、工具允许清单、目标与状态、记忆范围、审批对象、最大步骤和测试记录。遇到缺信息请求确认，遇到禁止动作拒绝，达到预算停止并汇总已知与未知。记忆只保存确认过的必要内容，角色交接保留来源和阻塞项。最后写出尚未验证的能力，不把纸面演示说成生产可用。真正上线还需要稳定认证、运行监控和故障恢复，本课仅通过预设卡片理解架构，页面不会实际执行智能体，也不会自动判断开放题是否完成。