Agent 评测体系是什么：从三层评测到十一个维度的完整评估框架

Agent 评测体系分三层：端到端看结果、过程看轨迹、能力看零件；怎么评有十一维框架。但 ClawBench 实测最强 Claude 完成率仅 33.3%。文末附可跑脚本，教你戳穿“假成功”。