主持人：仲思宇
58同城 工程效能部负责人
负责58到家测试工具体系规划与架构设计，拥有多项测试工具发明专利。深耕客户端与服务端自动化测试多年，擅长业务质量体系规划及技术赋能落地，丰富的测试平台建设与效能提升经验。
待定
待定
闭门研讨会：「评测驱动」Agent 质量保障与可观测工程
——从"上线前把关"到"全链路数据飞轮"
——从"上线前把关"到"全链路数据飞轮"
研讨话题：
1. 团队第一步怎么把"Agent 评测"真正跑通？
问题：一个还没建评测体系的团队，最小可用闭环（可观测底座 + 测试集 + 基础评分器）长什么样？
2. 评测到底"评什么"？指标体系怎么分层、加权、保证覆盖？
问题：从"结果对不对"升级到"过程好不好、运行稳不稳"，指标怎么拆？分层和权重有没有可复用的范式？
3. 面对AI的不确定、长链路偶发失败，怎么把"偶尔挂"变成"可量化的稳定通过率"？
问题：Agent 非确定性 + 长程任务漂移，传统断言式测试全面失效，可靠性怎么工程化度量与治理？
4. LLM-as-a-Judge 到底能不能信？谁来评测"评测者"？
问题：机审覆盖率冲到 95% 的同时，裁判自身偏差、漂移、幻觉谁来兜底？多模型交叉验证的成本边界在哪？
5. 评测如何从"发布前的一道关卡"升级为"贯穿生产全程、驱动 Agent 自进化的数据飞轮与组织能力"？
问题：当 Agent 冲进生产，质量掉进黑盒——评测的定位、平台化 vs 通用框架的取舍、以及它如何变成组织的制度义务与北极星指标？
……
1. 团队第一步怎么把"Agent 评测"真正跑通？
问题：一个还没建评测体系的团队，最小可用闭环（可观测底座 + 测试集 + 基础评分器）长什么样？
2. 评测到底"评什么"？指标体系怎么分层、加权、保证覆盖？
问题：从"结果对不对"升级到"过程好不好、运行稳不稳"，指标怎么拆？分层和权重有没有可复用的范式？
3. 面对AI的不确定、长链路偶发失败，怎么把"偶尔挂"变成"可量化的稳定通过率"？
问题：Agent 非确定性 + 长程任务漂移，传统断言式测试全面失效，可靠性怎么工程化度量与治理？
4. LLM-as-a-Judge 到底能不能信？谁来评测"评测者"？
问题：机审覆盖率冲到 95% 的同时，裁判自身偏差、漂移、幻觉谁来兜底？多模型交叉验证的成本边界在哪？
5. 评测如何从"发布前的一道关卡"升级为"贯穿生产全程、驱动 Agent 自进化的数据飞轮与组织能力"？
问题：当 Agent 冲进生产，质量掉进黑盒——评测的定位、平台化 vs 通用框架的取舍、以及它如何变成组织的制度义务与北极星指标？
……
关注QECon公众号
关注QECon视频号
商务合作
151-2264-3988 木子
票务联系
159-0126-5561 小娟
媒体合作
135-1619-6409 皮皮
购票咨询
小娟 15901265561
