Replit 如何规模化评估与改进 Replit Agent

Replit 推出公开基准 ViBench，用自然语言 PRD 加自然语言测试计划，衡量 Agent 从零构建的应用是否满足需求。其评估体系由离线基准、线上 A/B 测试与生产 trace 两大支柱加一个优化闭环组成，基准可提前拦截回归，A/B 测试验证线上行为变化。ViBench 基于 Playwright，可评估从零建应用、在既有代码库上做功能扩展等场景。