Agent评测数据集台账

分享海报

@user_bd3231bd/agent-eval-dataset-register

该技能把用户提供的 Agent 评测 case、来源、期望行为、rubric、split、版本、使用决定和实验结果整理成可追溯的数据集台账；当评测团队要治理跨版本 case 资产且不运行评测或生成金标准时使用。