搭Agent的門檻在降，驗收的帳單在漲：美團這份評測白皮書，攤開Agent工程的隱形支出

2026年9月10日，美團技術團隊在掘金發布《Agent評測白皮書》系列首篇《評測全覽》。這是一篇技術部落格，但把它放在產業帳本上讀，會看到另一層訊息：當搭建Agent的邊際成本快速下降，判斷Agent好壞的成本反而成了整條賽道的瓶頸。白皮書本身，就是美團把這塊內部沉澱兩年的隱形資產對外定價為零的一次輸出。

兩條下降曲線，撐起一個上升場景

白皮書開篇給出的判斷有兩個依據。第一，基座模型能力持續進化，早期需要反覆打磨Prompt、設計兜底邏輯才能穩定完成的格式化輸出、工具選擇，如今由長上下文、原生工具呼叫與多步推理能力直接承擔，工程側的補丁量在減少。第二，Agent框架的功能持續豐富，規劃、記憶、工具註冊、狀態管理這些原本需要自建的環節，已被框架與協議層抽象為標準元件。

兩條曲線疊加的結果很直接：搭一個Agent的人力門檻與時間成本逐年下降，落地場景越來越多、越來越發散。這與我們先前分析的百度Agent開發實習面經背後的人才篩選帳指向同一件事：Agent相關崗位的供給側正在快速擴張，因為做出一個能跑的Demo，已經不是稀缺技能。

稀缺的環節移到了驗收端

美團團隊觀察到的產業現實是：自2022年底ChatGPT發布以來，市場上出現過一波又一波Agent項目，但真正走完冷啟動、灰度擴量、推到全量的項目屈指可數。過去三年絕大部分Agent項目死掉，死法有三類。

第一類停在Demo。演示效果好，接入真實流量後覆蓋不住，用戶問法、資料髒亂、場景邊界遠超預期，團隊疲於打補丁，最後不了了之。第二類卡在擴量。小範圍試用可行，一放量問題集中暴露，團隊說不清問題出在哪一層，也不敢大改，怕改壞原本正確的部分，項目原地搖擺。第三類說不清業務價值。模型換了幾輪、Prompt迭代了幾十版，團隊自覺變好但拿不出證據，到要資源的時候回答不了「項目帶來了什麼」，投入就此中斷。

三種死法的共同點，用財務語言翻譯就是：缺少一套可靠的驗收機制。不知道當前版本行不行，等於資產負債表上掛著一筆無法估值的在建工程；不知道問題出在哪一層，等於修復成本無法歸集到具體科目；無法向外證明價值，等於資本支出提案過不了審。決策靠感覺與個別案例，而感覺在複雜系統面前的誤差成本極高。

評測體系的四三二一框架

白皮書給出的完備評測體系，概括為四個模組、三種能力、兩條Loop、一套資產。第一篇《評測全覽》的任務，是用統一語言對齊行業內仍在發散的概念，並用一條敘事主線打通冷啟動、擴量、自進化三個階段，讓團隊能以終為始，判斷自己當前處在哪個位置、下一步該補哪一塊。後續三篇分別對應冷啟動篇、擴量篇、自進化篇，面向Agent的產品、研發、演算法、營運與評測負責人。

值得注意的是美團自己加的但書：評測是一門實踐科學，這些做法來自美團多個業務場景的驗證，遷移到新場景仍需調整。換句話說，這份白皮書提供的是方法論模板，實際的評測資料集、分層標準與回歸機制，每個團隊仍要自建。模板降低了認知成本，沒有降低執行成本。

傳導鏈：誰受惠，誰承壓

這份文件背後的成本傳導，可以分三層看。

受惠方首先是Agent框架與模型服務商。搭建門檻下降直接擴大潛在使用者基數，評測方法論的普及又降低了使用者的存活門檻，兩者共同做大生態。這與DeepSeek調整flash系列定價背後的詞元成本帳的邏輯相呼應：當推理成本與工程成本同時下降，競爭焦點移向效果驗證與單位經濟模型。

其次是認真做評測的企業內部團隊。白皮書把評測從個人經驗變成可複製的組織資產，對卡在擴量階段的團隊而言，等於省下大量試錯的工程開銷。掌握評測能力的工程師，其技能定價也會因稀缺而上升，這與前端、後端面經中AI題佔比上升的趨勢同向。

承壓方是靠資訊落差喫飯的環節。當一線大廠把冷啟動、擴量的踩坑經驗免費公開，Agent外包與顧問服務中「陪跑上線」這部分的報價基礎被壓縮。同時，評測要求明確化後，停在Demo的項目更難拿到下一輪預算，Agent賽道的長尾供給會加速出清。

收束判斷

把時間軸拉長，這是軟體工程反覆出現的模式：編譯器普及後，稀缺的是測試工程；雲端服務普及後，稀缺的是可觀測性與SRE。Agent這一輪，生成端成本被基座模型與框架壓平，驗收端的成本佔比隨之被放大。美團這份白皮書的產業意義，在於把評測從「上線前的附加動作」重新定義為貫穿冷啟動到自進化的持續性基礎設施投入。

對企業決策者的啟示很具體：Agent項目的預算結構裡，評測不該是研發費用裡的零頭，而該按資本支出邏輯編列，因為它決定了整個項目資產能否被估值、被審計、被續投。誰先把評測做成資產，誰的Agent項目才進得了損益表的收入欄，而不是永遠停在在建工程的借方。