Wiki 知识库

使用 Google Agents CLI 构建智能体评估内循环

Google Cloud Tech 2026-08-28 15.9 KB 31.9K 289 𝕏 文章列表

本文是 Google 关于智能体质量飞轮的实操续篇,介绍如何用 agents-cli 手动运行评估内循环。作者构建了一个汇率转换智能体 fx-agent,并故意在指令中植入缺陷(未要求在回复末尾列出所使用的工具),通过六个测试用例的评估集验证:内置 AutoRaters 指标会遗漏此类缺陷,因此需要将关键行为提升为自定义指标(LLM 评审与正则代码检查双重视角)来单独度量。随后修复一行指令,并用分数变化证明修复有效。文章强调评估的意义在于检查智能体是否遵守规则,而非答案表面质量。