用 LLM 给 Agent 轨迹打分时，为什么必须把工具返回的 Observation 也放进去？轨迹评测怎么设计？

一句话速记：评测 Agent 需输入 Observation，因其决策本质是条件概率 $P(A_t|H_{t-1}, O_{t-1})$；若无环境反馈，评估模型无法判断动作是合理推导还是幻觉输出，也难以区分是工具报错导致的被动兜底还是模型主动选错。轨迹评测需解耦单步有效性与全局目标达成，结合规则拦截与带完整上下文的 LLM 打分。

评测、LLM-as-Judge

同章节的其他八股

• LLM Agent 由哪些部分组成？
• Function Calling 是如何实现的？
• MCP（Model Context Protocol）是什么？解决什么问题？
• 多 Agent 系统有哪些常见架构？
• Agent 的长期记忆怎么设计？
• 什么是 Context Engineering（上下文工程）？
• Workflow 和 Agent 的区别？什么时候用哪个？
• ReAct 的流程？有什么缺点？
• Plan-and-Solve 和 Reflection 是什么？
• 工具调用失败怎么处理？
• Agent 陷入无限循环怎么办？
• 意图识别怎么做？