OpenRouter 教程:如何测试 AI Agent 的工具调用准确性

OpenRouter 发布教程,把 AI Agent 调用工具时的失败拆成“选错工具”和“参数传错”两类,并给出三套针对性的评测方法。对正在做 Agent 产品的人来说,这是一份可直接落地的测试清单,而不是又一篇概念科普。

OpenRouter 发布教程,把 AI Agent 调用工具时的失败拆成“选错工具”和“参数传错”两类,并给出三套针对性的评测方法。对正在做 Agent 产品的人来说,这是一份可直接落地的测试清单,而不是又一篇概念科普。

OpenRouter 在 2026 年 9 月 30 日发布教程,介绍如何从生产流量中抽取真实用户输入,构建带人工审核预期输出的 golden 评测集,并通过一个 API 跨模型复测。它想解决的是公共基准测不出“你的产品流量上是否退化”的问题。

三星、SK 海力士、美光等存储原厂正通过更长周期、更大规模的长期协议把产能优先锁定给数据中心客户,导致消费级内存与 SSD 供应被大幅挤占,过去一年价格成倍上涨。这意味着 AI 算力扩张的成本,正在以硬件涨价的形式转嫁给普通 PC 用户、开发者和创作者。

腾讯正在内部测试个人 AI 智能体产品"Handy Bot",已在微信上线服务号,并计划推出独立 App。它代表的不是又一个聊天机器人,而是从"问答式对话"转向"云端持续执行任务"的新产品形态,国内大厂在 Personal Agent 赛道上的卡位已经开始。

特斯拉敲定一笔最高 300 亿美元的新信贷额度,用于支撑 Cybercab 无人出租车、Optimus 人形机器人和 Tesla Semi 卡车的研发与量产,但公司明确表示今年不会动用这笔钱。

OpenAI 在开发者日发布自主智能体 Dots 和企业应用市场,同时把 ChatGPT 升级为可发现、调用和运行第三方软件的分发平台。这意味着软件入口可能从应用商店转向对话界面。

Google 把 Gemini 和 Find Hub 打通,让用户可以用语音把护照、出生证明等无法贴标签的重要文件位置记录下来,并在需要时直接询问 Gemini。这是 AI 助手从“回答问题”向“管理个人实物信息”延伸的一步。

特朗普在与多位 AI 企业高管共进午餐后,明确反对新增联邦层面的 AI 监管规则,称现有司法部(DOJ)和联邦调查局(FBI)的执法能力已构成“自动监管”,同时强调行业“自我监管非常重要”。这一表态直接影响美国 AI 立法走向。

贝恩公司最新报告测算,到 2031 年 AI 行业需要实现约 6 万亿美元年收入,才能支撑届时可能达到 1.5 万亿美元的数据中心资本开支;而其中约 4.2 万亿美元要靠今天还不存在的新产品来贡献。

Anthropic 于 9 月 29 日发布 Claude Code v2.1.285,新增联网抓取开关、桌面端唤起、插件配置等能力,并集中修复了 20 余项权限、子代理与云会话问题,重心从加功能转向让工具在生产环境里更可控。