AI Agent 评测 / 质量工程 · IoT Engineering @ 深圳技术大学 把「AI 输出好不好」变成可复核的判断题，而不是主观印象。
深圳技术大学 · 五款 Agent Harness 竞品评测 · 多 Agent 应用实践
- Agent Evaluation — 题库设计、三层归因定责（模型 / SKILL / Harness）、打分细则冻结
- 可复核性工程 — 证据分级（A 实测对照 / B 基线推断 / C 指纹复现）、负控制复核、holdout 盲评
- 多 Agent 应用 — FastAPI + Vue3 + MCP，含工具降级与幻觉校验
目前在做一个五款 Agent 产品的 Harness 竞品评测，已建成 49 题题库（基线 14 + 压力 35）与全套复核链路。
Agent Evaluation · Harness Engineering · Failure Attribution · LLM-as-a-Judge · MCP · RAG · Python · FastAPI · Vue3 · C / 嵌入式
- harness-competitor-eval — 五款 Agent 的 Harness 竞品评测：三层归因定责 + 49 题题库 + 全量现场记录 + 可复核报告
- agent-travel-planner — 多 Agent 旅行规划：FastAPI + Vue3 + MCP，含工具降级、幻觉校验与自动化评测
- ai-npc-town — 多 NPC 赛博小镇：每个 NPC 是独立 Agent，带记忆、好感度与个性化 prompt
IoT 工程本科在读，做过 ESP32 柔性手套遥操作机械手、星闪仓储标签固件。
嵌入式出身，现在做 AI 系统的质量评测。做底层固件的人对「确定性」有执念——输入定了、输出就该定，这恰好是评测 AI 最需要的那种偏执。