使用 NVIDIA NeMo 将智能体失败转化为测试与 harness 修复

NVIDIA NeMo 可把智能体在生产环境中失败的证据转化为按优先级排列的问题与自定义评测，帮助改进提示词、工具、模型、记忆、技能和 harness 代码。通用 benchmark 分数可能无法解释领域智能体的失败，例如选错工具、走错工作流分支、漏掉相关上下文或调用不必要的昂贵模型。