评测即规格:用可执行终态而非成功叙事给 agent 判分

用可执行终态和 pass^N 给 agent 判分,而不是听它自述成功:eval harness 就是产品规格,验证深度才是约束。

十月 9, 2026 · Liam Ding(丁洪)

个人 agent 的关键:入口买来习惯,交互买来信任

入口买来习惯;交互(agent 交回什么、由谁验证)买来信任;验证成本决定自主性。

十月 4, 2026 · Liam Ding(丁洪)