局部改善不等于整体进步：怎样判断 Agent 真的变好了？

文章以报销单识别为例说明：图片从 4 MB 压到 1 MB 后，金额 126.80 被识别成 128.80，指标变好但用户核对成本上升。作者主张沿压缩、识别器输入、识别结果、用户页面逐段追查，并把局部修复、测量修正与用户任务改善分开记录。文中还以 ETF Agent 的持仓截断、观测缺口和评测器预算问题说明收益落在哪一层。