英文：End-to-End Evaluation 分类：eval
从用户实际入口出发、按完整任务流程评测系统最终效果的方法（如"从提问到答案"全链路），衡量产品级体验而非组件单项能力。
方式：真实任务集（模拟用户操作）、整链路指标（成功率/任务完成率/用户满意度）、对比基线（人工/旧版）；RAG 场景：端到端答案质量（检索+生成综合）；与组件评测（检索质量/生成质量）互补。
用于产品上线验收（真实效果）、Agent 任务成功率、RAG 系统综合质量与 A/B 实验；端到端评测是"用户最终体验"的权威度量。