LangChain 测试与 Agent 评测

单元测试应隔离模型和外部服务，验证工具参数、消息构造、中间件、结构化输出校验与确定性路由。集成测试使用少量真实调用验证提供商协议、工具调用格式和外部系统契约，并设置成本与超时边界。

Agent 评测同时检查结果和轨迹。结果指标可判断答案、结构或业务状态；轨迹指标可检查是否调用了允许的工具、调用顺序、步数和错误恢复。非确定性任务应使用数据集和统计结果，避免把一次成功视为稳定能力。

回归数据集应覆盖正常请求、歧义输入、工具错误、超时、拒绝、权限不足和循环。线上反馈可以补充离线评测，但需要版本、模型和配置关联信息。