我从评测科学AI智能体中学到了什么：抗体优化智能体的四层评测设计

作者在开发抗体优化AI智能体时，提出把评测从只看结果转向看过程，拆成工具执行、工具选择、科学解读和多步工作流四个部分。她建议在关键节点设检查点、尽量用代码做确定性校验、对开放式任务用结构化评分标准，并把提示词、工具和工作流指令一并版本化，因为BiomniBench报告更换智能体框架对评分的影响可能大于更换模型代际。