产品思考
介绍 MemoryBench：用真实编程任务评测 Agent 记忆
同一模型、同一任务，唯一变量是记忆层。MemoryBench 用连续的真实编程任务回答：Agent 记忆到底起了多少作用？
阅读文章NiceEval 博客
博客
NiceEval 团队的产品和工程博客
最新文章
产品思考
Prompt 评估与 Agent 评估的区别
你的 prompt 在 playground 里表现完美，但一接上工具就跑偏。因为 Prompt 评估看输出，Agent 评估看路径——这是两个完全不同的范式。
阅读文章