LangChain 解答 Agent 评测的常见问题：从轨迹分析到四类评估器

LangChain 团队基于 LangSmith 实践解答 Agent 评测的常见问题，建议先读 trace 选定行为、用 10-20 个例子建数据集并跑基线。文章区分离线与在线评测，介绍代码评估器、LLM-as-a-judge、人工评审和成对比较四类评估器，并说明 Harbor 开源评测框架与 Terminal-Bench 的容器化基准用法。