公司问答机器人上线前，这一步千万别省！评测 92 分照样答错年假？HR 智能体上线前的翻车现场被扒光

一位开发者在 Dev.to 复盘：给 60 人用的 HR 智能体跑评测拿了 92% 准确率，可最关键的「年假几天」答案压根没提 15 天，评委模型还给了 84 分。

完整的大白话解读、专业细节和短视频口播稿，打开巨象雷达登录后查看。

Dev.to 开发者实战复盘，含推广链接，分数与结论为作者单次实测

原文：Airia: Test Your HR Agent Before 60 People Use It. An Evaluation Scored 92%, and the Vacation Answer Was Still Wrong