Google 详解 Harness 工程：如何评估、迭代和守护 AI 编码智能体

Google 开发者博客发文介绍行为评估（behavioral evals）方法，主张不再把智能体当黑盒考试，而是对中间执行步骤（如工具调用、是否先跑验证器）写断言，作为端到端基准如 Terminal-Bench 的补充。