用 NVIDIA NeMo 将智能体失败转化为测试与 Harness 修复

NVIDIA 介绍如何用 NeMo 把生产环境中的智能体失败证据转化为按优先级排序的问题清单和自定义评测，用于改进提示词、工具、模型、记忆、技能和 harness 代码。通用 benchmark 分数往往无法解释领域智能体的失败，例如选错工具、走错工作流分支、遗漏相关上下文或使用不必要的高成本模型。