# Justin Cormack 用 35 万行 Rust 复盘：评估 AI Agent，先拿证据，别看覆盖率

> 原标题：Justin Cormack 用 35 万行 Rust 复盘 AI Agent 评估：从证据开始

- 来源：AI HOT 精选
- 发布时间：2026-09-18T13:38:06.061Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/57352
- 原文：https://tessl.io/blog/ai-agent-evaluation-starts-with-evidence

## 摘要

Justin Cormack 在 Tessl 博客复盘用 AI 构建 S3 兼容对象存储的实践，代码规模约 35 万行 Rust，并写了约 1500 个针对 S3 的测试作为行为基准。

## 推荐理由

Justin Cormack 用约 35 万行 Rust 实现 S3 兼容对象存储，并以约 1500 个针对 S3 的测试锁定行为，为 AI Agent 评估提供可复用的证据式方法。

## 锐评

35 万行 Rust 加 1500 个对着真 S3 跑的测试，这个规模才叫评估。拿真 S3 当 oracle 是整件事里最值钱的一步，模型不用猜行为，测试直接告诉它什么算对。反过来看，让 agent 冲 100% 覆盖率它就开始写垃圾测试，数字好看，信心没涨，这个坑我信。

所以评估 agent 的投入应该压在 oracle 上，不是压在覆盖率报告上。有现成的参照系统就照着抄一份行为基准，没有就先写个最简版本当靶子。1500 个测试换 35 万行代码能上线，这笔账很划算。
