让改进有迹可循：火山引擎 Storage Agent Family Eval 工程实践

火山引擎存储团队构建了 Storage Agent Family 评测体系，通过离线回归实验、Trace 调用链分析和线上真实问题回流支撑 Agent 持续迭代。该体系设计了覆盖任务、行为和安全的评测集，并采用 LLM 评估器与 Code 评估器相结合的方式，以保障云存储场景下的准确性与安全性。