面向 Agent 或工具使用场景的测试集生成

评测智能体或工具使用工作流可能很有挑战，因为它涉及多个步骤和交互。尤其难以整理覆盖所有可能场景和边界情况的测试套件。我们正在开发一组工具，用于生成合成测试数据以评测智能体工作流。

联系我们，一起推进这项工作，并了解后续版本即将推出的内容。