从“调用成功”到“修订正确”：一次 Worklist Agent Trace 与评测实战
用真实 GLM 调用验证 Worklist 工具与候选修订，复盘 20 条用例、评分规则修正和 LangSmith 轨迹，并整理 Agent 可观测性与评测的面试要点。
TAG / 03
#Tool Calling
跨越分类的同一条技术线索。
↗
Graph Engineering：在确定性边界里放置 Agent
用 LangGraph 的状态、节点、边和循环组织复杂工作流，在固定流程与自主推理之间划出清晰边界。
Agent Harness Engineering：模型之外，才是系统开始的地方
从工具、状态、沙箱、上下文和验证机制构建 Agent 运行时，把一次次失败沉淀为可执行约束。