过去几个月，我们与数百名工程领导进行了交流，发现每个人都在试图了解自己的团队在AI应用旅程中所处的位置。为了帮助这些团队量化自身进展，我们收集了所有讨论数据，开发了一个基准测试，并构建了一个免费的评分工具，让团队能够快速了解自己的AI代理成熟度。
该评估采用1-5分的评分标准。例如，在自主性维度上，从“仅提供建议”到“代理能够自主管理涉及代码、基础设施和外部系统的多小时工作流程”，涵盖了不同的能力层级。整个评估过程仅需约5分钟，非常便捷。
我们邀请所有工程团队访问 https://agent-benchmarks.com/software-factory/ 进行测试，并期待看到大家的成果。