過去幾個月，我們與數百名工程領導進行了交流，發現每個人都在試圖瞭解自己的團隊在AI應用旅程中所處的位置。為了幫助這些團隊量化自身進展，我們收集了所有討論數據，開發了一個基準測試，並構建了一個免費的評分工具，讓團隊能夠快速瞭解自己的AI代理成熟度。
該評估採用1-5分的評分標準。例如，在自主性維度上，從“僅提供建議”到“代理能夠自主管理涉及代碼、基礎設施和外部系統的多小時工作流程”，涵蓋了不同的能力層級。整個評估過程僅需約5分鐘，非常便捷。
我們邀請所有工程團隊訪問 https://agent-benchmarks.com/software-factory/ 進行測試，並期待看到大家的成果。