接 Phoenix + AI Agent 行为监控：那篇讲"怎么用 Phoenix 看 Agent 调用"——**本篇讲"为什么 Agent 测评比 LLM 测评难 10 倍" + 5 大测评维度 + Multi-Agent 评测体系。从 NL2API/NL2SQL/NL2CODE → 记忆 → 规划 → Multi-Agent 协作 → 实战实践。