Retracted
Documentation
¶
Overview ¶
Package agenteval 提供 Agent 的质量评估基线（非性能基准）。
它把任意 Agent 适配为评估框架的被测系统，在参考数据集上用一组评估器（含 LLM-as-judge）打分，并按最低分阈值判定每个质量维度是否达标——为 Agent 建立可 重复运行、可回归的质量闭环（区别于 bench/ 的性能基准）。
Index ¶
Constants ¶
This section is empty.
Variables ¶
This section is empty.
Functions ¶
This section is empty.
Types ¶
type AgentSystem ¶
type AgentSystem struct {
// contains filtered or unexported fields
}
AgentSystem 把 Runnable 适配为 evaluate.SystemUnderTest。
func (*AgentSystem) Run ¶
func (s *AgentSystem) Run(ctx context.Context, query string) (*evaluate.SystemResponse, error)
Run 执行查询并把 Agent 输出转为评估框架的系统响应。
type BaselineResult ¶
type BaselineResult struct {
// Report 完整评估报告
Report *evaluate.EvalReport
// Passed 是否所有质量维度均达到基线
Passed bool
// Failures 未达标维度的说明（指标名 + 实际均分 + 基线阈值）
Failures []string
}
BaselineResult 是 Agent 质量基线评测结果。
func QualityBaseline ¶
func QualityBaseline( ctx context.Context, a Runnable, dataset *evaluate.Dataset, minScore float64, evaluators ...evaluate.Evaluator, ) (*BaselineResult, error)
QualityBaseline 用一组评估器在参考数据集上评测 Agent，并按 minScore 判定每个指标是否达标。
任一指标平均分低于 minScore 即基线不通过（Failures 列出未达标项）。这是 Agent 的质量基线：把它纳入 CI/回归即可在 Agent 行为退化时被挡下，而非只看性能。
Source Files
Click to show internal directories.
Click to hide internal directories.