如何评测并迭代AI编程智能体

文章建议以行为级微测试补充SWE-bench等昂贵的端到端评测。

推荐理由：核心策略是把工具调用、文件修改等中间动作做成本地单元测试，再与宏观基准结合；这能降低迭代成本并定位智能体失败根因。