Agent RL难点在奖励函数，EP可基于真实业务评分

从氛围检查到对业务结果的严格评估

Agent RL最困难的部分不是算法，而是奖励函数。EP让你可以用任何语言或格式编写奖励。因为EP在你的生产环境中运行，你可以根据真实的业务成果（例如，“PR是否真正构建？”或“SQL查询是否返回了正确的行？”）来评分智能体，而不仅仅是文本相似度。