Tessl近日发布的一篇博客，对一项借助AI完成的大规模工程实验进行了系统性复盘。该实验的目标是构建一个S3兼容的对象存储，代码规模达到约35万行Rust。

博客作者Justin Cormack在复盘中指出，围绕AI Agent的评估方式需要调整思路。他提出的核心主张是：评估应当从证据开始，而非先入为主地设定判断标准。

这一结论建立在上述Rust项目的实践基础之上。约35万行的代码体量，为观察AI在真实工程任务中的表现提供了样本，也使评估方法本身成为复盘的重点议题。

对于AI行业从业者而言，该复盘的价值在于将讨论从笼统的能力评价，转向可追溯的证据链条。在AI Agent加速进入开发流程的背景下，如何界定和采集评估证据，正成为值得关注的方法论问题。