智能体评测

分享海报

@user_3aa1c1ff/agent-evalutor

自动测试与评估智能体（Agent）能力的系统化评测框架。Agent = LLM + 工具使用 + 记忆 + 规划与执行循环。覆盖 6 大测试场景（RAG、小说创作、新媒体创作、编程、行业研究、问题解决）和 7 大能力维度（上下文/长文本、记忆系统、规划与执行、工具使用、并发与调度、Token效率、安全可靠性）。内置 AEGIS 评估模型（EPFMS 五维指标），支持 LLM 基座与 Agent 架构双轨解耦评估，输出成熟度等级（M0-M3）与精准瓶颈定位及优化建议。当用户要求"评估智能体"、"测试 agent"、"智能体能力测试"、"agent benchmark"、"智能体评测"、"agent evaluator"、"测一下这个 agent"、"跑分"、"智能体成熟度"、"agent 诊断"时触发。