只测最终答案已经不够了:Agent Regression Testing到底在回归什么?
客服 Agent 收到“这笔订单不要了,帮我退掉”。它最后回复“退款已提交”,用户也看到了退款金额。两小时后财务发现:退款走到了上一笔订单,优惠券却补给了当前订单。最难排查的地方是,每个接口都正常:查单成功、退款成功、补偿成功。真正错的是 Agent 的路径——它先根据上下文猜了订单号,又在退款失败后自行换了一笔订单重试。最终文本听上去没毛病,业务动作却已经越界。这正是 AI Agent 和普通接口自动化的分水岭。接口测试验证“给定请求,服务是否正确处理”;Agent 测试还要验证“这个请求该不该发生、参数从哪里来、失败后能不能继续试”。NVIDIA 最近关于 Agent Evaluation...