Preetika Bhateja（Google/YouTube PM）和 Daniel Bump（Google 工程师）在一场对谈里，拿他们内部构建的 seed-asset agent 当案例，讲清楚了为什么光靠写 prompt 搞不定 Agent 行为——核心问题是 prompt、eval、迭代、反馈构成一个闭环，任何一环的微小改动都可能颠覆结果。他们专门处理广告素材里的低质量图片、拥挤视觉和文字叠压，要把这些脏数据洗成干净的种子资产，供下游生成式 AI 工具复用。

两位嘉宾的核心观点很实在。[Preetika] 明确说：纯 prompt 根本无法输出稳定行为，必须把 eval 从“打分卡”变成“反馈信号”，让 agent 在循环里自己修正；[Daniel] 补充，agent trace log 才是真正暴露失败原因的东西，团队靠日志定位到具体节点，才做到“修了新 bug 不破旧功能”。他们反复强调，eval 不是终点，而是迭代的燃料——小到一条 prompt 措辞变化，大到 eval 指标切换，都可能让 agent 行为彻底跑偏，所以必须系统化工程，不能靠感觉调。

这个 case 对行业最大的启示是：Agent 行为工程的核心正在从 prompt engineering 转移到 eval-driven 的反馈闭环。Google 这套经验说明，未来做 agent 开发，谁先建起可复用的 eval 系统和 trace 分析工具，谁就能更快驯服复杂行为。尤其是当 Agent 要对接下游多个生成模型时，这种可控性会成为关键竞争壁垒。