本专题聚焦智能体评测与生产可靠性，讨论如何定义任务成功、构建真实业务评测集，并通过 Tracing、Replay、回归测试和质量 SLO 持续发现系统退化。同时关注长任务中断、重复执行、状态污染、工具失效、人工接管、故障恢复与业务补偿，探索如何建立覆盖测试、运行、监控和事故响应的 Agent 可靠性工程体系。