luozhiyun`s Blog - 我的技术分享

按系列和主题浏览技术内容

首页顶部的 Go 系列与 Kubernetes 源码系列，为希望沿一条学习路线深入阅读的人提供入口；文章列表则持续呈现新的技术记录。侧边栏的类别与标签包括 AI、ClickHouse、C++、Docker 等主题，读者可以根据语言、工具或基础设施领域筛选内容。博客还提供关于作者、RSS 订阅和 GitHub 链接，方便访客了解站点、跟进更新或查看代码项目。

从首页能够观察到，文章不仅覆盖经典后端主题，也在跟进近期的 AI 工具和 Agent 评测。这样的组合适合开发者在解决具体问题时查找文章，也适合通过系列内容系统阅读。访问者可以先从熟悉的技术进入，再借助标签发现其他文章；如果只想追踪更新，RSS 订阅则能减少反复查看首页的需要。

为什么 Agent 应用需要评估

《AI Agent 评估应该怎么做》发表于 2026 年 4 月。文章说明内容参考《AI Engineering Building Applications with Foundation Models》，并从“什么是评估”开始讨论。文中指出，只让 AI Judge 给结果打一个一到五分并不能构成可靠的评估方式。页面目录和摘要展示了进一步讨论的范围，包括 Agent 应用评测、评估方法和实践问题，读者可以沿着章节逐步查看。

评估的用途是帮助开发者判断一个 Agent 是否完成了目标，以及在什么情况下会失败。不同任务可能要求正确性、完整性、稳定性或响应质量等不同标准。单一分数容易掩盖表现差异，因此实践中需要明确评测目标、准备可重复的样例，并检查结果背后的具体行为。该文以工程应用为背景展开，适合正在构建或改进 AI 功能的读者参考。

文章的目录结构也有助于读者快速定位主题。刚接触评估的人可以先看概念部分，理解为什么要设计评测；有实际项目的人则可以按章节查找评估流程和相关方法。摘要指出作者还讨论了不同 Agent 应用的测试方式，这提醒读者评测不能完全脱离任务语境。搜索回答、工具调用或多步骤处理，各自的成功条件不同，需要相应地选择检查方式。

将评测放回开发工作流

AI 功能往往不是一次生成答案就结束。一个 Agent 可能需要理解用户目标、决定是否调用工具、处理返回结果，再组织最终回复。评估应覆盖关键步骤，而不只观察最后文本是否流畅。对开发者来说，可以先定义用户希望完成的任务，再设计代表性输入，记录工具调用和最终结果，检查系统在正常与边界场景中的行为。文章围绕评估展开，提供了继续思考这些工作环节的入口。

从工程角度看，评测结果可以帮助比较提示词、模型配置或工具流程的变化。可重复的测试样例让团队能观察修改是否改善了目标能力，也能尽早发现退化。对于需要人工判断的输出，可以制定明确标准并抽样复核；对于能自动验证的结果，则可以使用规则或测试程序。不同方法可以组合使用，避免把所有质量判断都交给一个模型分数。具体方案仍要根据应用风险、用户任务和可获得的数据决定。

后端基础设施与 AI 主题并行

该博客把 AI 类别与 Go、Kubernetes、Docker、数据库等传统软件工程内容并列。AI 应用最终也运行在真实系统中，开发者需要关注服务接口、资源使用、部署和故障排查；后端系列因此为理解 AI 产品的工程背景提供另一类阅读材料。读者可以先阅读 Agent 评测文章，再继续查看 Go 或 Kubernetes 相关内容，思考如何把模型能力集成到稳定的应用服务中。

首页较新的文章按照发布时间排列，标签则连接同一领域的内容。这样的博客结构使新技术文章有清楚入口，也保留多年积累的工程记录。对自学者来说，系列文章提供连续阅读的路线；对有经验的开发者来说，分类和标签更适合按问题检索。站点同时保留技术文章和作者信息，读者可以通过关于页面了解写作背景，再判断文章内容与自己的需求是否匹配。

适合怎样使用这处技术博客

正在开发 AI 功能的读者，可以先从 Agent 评估文章理解测试目标和方法，再把相关思路应用到自己的任务样例中。学习后端基础设施的人，可以使用 Go 和 Kubernetes 系列逐步阅读；遇到具体工具或数据库问题时，则可尝试标签和类别索引。文章有明确主题和日期，方便回看；RSS 与 GitHub 入口则支持持续追踪内容更新和项目活动。

使用博客中的命令、配置或工具说明时，应结合文章发布日期和当前环境核对。技术栈会持续更新，尤其 AI 模型和 Agent 框架变化较快；文章可作为学习线索和经验记录，正式实施前还要参照当前项目文档与系统约束。luozhiyun`s Blog 的主要价值，是将工程实践拆成可检索的文章和系列，让读者能够按自己的阶段选择入口，并通过标签在相关技术主题之间建立联系。