用 NVIDIA NeMo 将 Agent 失败转化为测试与 Harness 修复

NVIDIA NeMo 可将生产环境证据转化为按优先级排序的问题与自定义评测，用于改进提示词、工具、模型、记忆、技能和 harness 代码。通用 benchmark 分数无法解释 Agent 在特定领域的失败，例如选错工具、走错工作流分支、遗漏相关上下文或使用不必要的高成本模型。