AgentScore 面向 AI 智能体开发者的评测监控工具，接入生产环境智能体后每日输出质量评分，覆盖效果、可靠性、成本、速度与安全，帮助判断版本迭代是否真的变好。 热门评论 PH 用户Hey Product Hunt 👋 我是 César，Latitude 的创始人。过去一年里，我们和很多在生产环境跑 AI 智能体的团队聊过。在所有这些交流中，有一个问题反复出现：你的智能体有没有随着时间变得更好？大多数团队能就几个回归测试或孤立指标给出答案，但没法回答整个智能体的情况。现在的 eval 系统有个覆盖率问题。所以我们做了 Agent Score。连接你的 production traces，Latitude 就会自动从这些维度评估你的智能体：• 结果• 可靠性• 成本• 速度• 安全性它把所有东西汇总成一个每天更新的质量评分，这样你就能看到智能体是不是在变好、是什么在拉低它的分数，以及每个结果背后的生产会话。然后，Latitude 会帮你排查反复出现的失败、持续跟踪它们，并把证据发给你的编程智能体去发起修复。我们很希望你来试试 Agent Score，然后告诉我们你的想法。任何反馈都超级欢迎 🙏PH 用户OSS 万岁！PH 用户把“结果/可靠性/成本/速度/安全性汇总成一个分数”这个框架挺有用，但我也担心单一数字会掩盖取舍：一个智能体如果稍微牺牲可靠性来变得更快、更便宜，而权重又偏向成本，总分可能看起来持平甚至还在上升。你们也会单独展示这五个子分数吗，还是每日分数真的就是一个混合值，完全看不出是哪个维度变了？PH 用户每天一个分数是挺好，但我会担心它藏东西。比如成本降了，但结果质量稍微掉了，总分可能看起来还是没问题我们能自己给每个类别设权重吗？对我们来说，安全性比速度重要多了顺便恭喜第 9 次发布，太猛了PH 用户@heycesr 和 @paula_cavero 恭喜 #AgentScore 发布 🌟✌️。快速问一下，把生产智能体关联起来需要写代码吗，还是更偏被动集成？PH 用户它能检测出传统 logs 和 traces 通常会漏掉的问题吗？ 热门产品César M.2026-09-23原文 打开互动版
过去一年里，我们和很多在生产环境跑 AI 智能体的团队聊过。在所有这些交流中，有一个问题反复出现：
你的智能体有没有随着时间变得更好？
大多数团队能就几个回归测试或孤立指标给出答案，但没法回答整个智能体的情况。现在的 eval 系统有个覆盖率问题。
所以我们做了 Agent Score。
连接你的 production traces，Latitude 就会自动从这些维度评估你的智能体：
• 结果
• 可靠性
• 成本
• 速度
• 安全性
它把所有东西汇总成一个每天更新的质量评分，这样你就能看到智能体是不是在变好、是什么在拉低它的分数，以及每个结果背后的生产会话。
然后，Latitude 会帮你排查反复出现的失败、持续跟踪它们，并把证据发给你的编程智能体去发起修复。
我们很希望你来试试 Agent Score，然后告诉我们你的想法。任何反馈都超级欢迎 🙏
我们能自己给每个类别设权重吗？对我们来说，安全性比速度重要多了
顺便恭喜第 9 次发布，太猛了