模型评测完整教程：从一道题到可信的比较
从一道题的判分到可信的模型比较：20 章完整教程、5 个交互实验，以及可下载复算的 Python 示例与教学数据。
你好，我是 caulif。
用 AI 动手，也把原理弄明白。
记录 Agent、模型与评测的学习、实验和工具。
最近的文章
全部文章 →怎样一步步评测 Coding Agent？
做一个小型 Coding Agent 评测：定义成功，检查依据，再验证提示词改动是否真的有帮助。
学习与个人 Agent 协作
会聊天，不代表会委托任务。定义任务、设定边界、判断结果，是另一种需要练习的能力。
动手做一个简单的 AI Agent
理解 AI Agent 的一个办法，也许就是亲手做一个简单的。
AI Agent 是怎样一步步工作的？
从一个具体任务出发，图解模型与工具的循环、并发协调、用户中断和上下文管理。