.NET Agent 的评测驱动开发：回放 trace 而非重复调用模型

作者讲述将 Python 的 eval 驱动开发方案移植到 C# 的过程：因手动改一句系统提示后无法判断是否变差，转而利用已丢弃的 trace 回放来检查 Agent 是否仍调用状态工具、是否停止循环、回答是否仍提及服务名，避免重复调用模型的高成本。文中还提到其 LLM judge 曾给一个危险回答满分，随后修改了评分规则。

AI推荐理由 记录将 Python 的 eval 驱动开发移植到 .NET Agent 的实践，核心是用 trace 回放替代重复调用模型以降低成本，并反思 LLM judge 给出危险答案满分后修改评分规则，对 Agent 评测有具体借鉴意义；属个人经验分享，未提供完整代码或量化结果。