Google Agents CLI 如何用评估循环持续提升 Agent 质量

Google 发布 Agents CLI v1.8.0 的 eval 评估循环实战演示，用 eval generate、eval grade、eval compare、eval analyze、eval optimize 五个命令驱动 Agent 质量爬坡。示例基线在 4 个用例上平均得分 4.0（标准差 1.41），误换厨师人设提示词后降至 2.75，评估循环在进入生产前捕获了这次回归。