创建评估任务

评估任务用于运行指定版本的智能体，并使用评估器对运行结果进行评分。创建任务前，请先阅读智能体评估概览。

选择评估模式

在 评估任务 页签中单击 创建评测，先选择评估模式：

模式	说明
有评测集评测	使用已有评测集中的问题运行智能体，适合回归测试和发布前验证
无评测集评测	由 AI 根据智能体配置生成测试问题后运行智能体，适合快速探索

以下为有评测集评测的创建界面示例：

以下为无评测集评测的创建界面示例。系统会根据智能体配置生成测试问题，并按设置的数量运行评估：

创建任务

1. 在左侧导航栏选择 智能体开发 > 智能体评估，打开 评估任务 页签。
2. 单击 创建评测，选择评估模式。
3. 在 智能体 中选择要评估的智能体和版本。版本必须已发布；未指定版本时，系统使用该智能体最新的已发布版本。
4. 在 评估配置 中选择 Judge 模型。有评测集模式还需要选择评测集；无评测集模式需要设置 AI 生成问题的数量（1～50 条）。
5. 在 评估器 中选择一个或多个已发布评估器，最多 5 个。
6. 检查配置后，单击 开始评估。

任务提交后会在后台执行，并返回 评估任务 列表。任务会保存创建时的智能体版本、Judge 模型和评估器配置，之后修改这些对象不会改变历史任务。

评估器输入

系统为评估器提供以下标准输入：

字段	数据来源
query	评测集的 问题 / query
expected	评测集的 答案 / answer；无评测集模式为空
actual	智能体本次运行的实际回答
runtime_stats	智能体本次运行的过程统计信息

当前页面按照上述标准字段自动准备输入。创建自定义评估器时，请使用这些字段名。

试运行

有评测集模式可以先单击 试运行，使用一条问题检查智能体回答和评估器结果。试运行不会创建评估历史记录。

建议先用一条代表性问题试运行，确认智能体版本、Judge 模型和评估器配置正确，再开始完整评估。

任务状态

状态	含义
等待中	任务已创建，等待后台执行
运行中	正在运行智能体和评估器
已完成	任务已完成，可以查看评估结果
失败	任务或关键执行阶段失败，可以根据错误信息修正配置后重新创建

更多结果信息请参见查看结果与标注。