一、四大核心评估维度（量化 Agent 的健康度）这四大指标构成了 Agent 的“效率-质量-成本”三角模型。1️⃣ 任务完成率（Task Completion Rate）核心问题：做完了吗？定义：成功达成用户目标的任务数 / 总任务数。细分指标：完全成功率：100% 达成所有子目标。部分成功率：核心目标达成，次要目标失败（如：查到了天气但没推荐衣服）。失败率：未达成目标或中途崩溃。关注点：这是红线指标。如果低于 80%，说明 Agent 的规划能力或工具稳定性存在严重问题。2️⃣ 步骤冗余度（Step Redundancy）核心问题：废话/废操作多吗？（成本控制）定义：完成特定任务实际调用的工具次数 vs 理论最优调用次数。计算公式：冗余度 = (实际调用次数 - 最优调用次数) / 最优调用次数典型现象：查天气前先搜“天气怎么查”。已经拿到数据，又重复调用一次相同 API。