创建模型判定评估器
费用说明
使用和调试评估器时会产生模型调用费用，具体计费请参考MaaS模型即服务价格。
前提条件
- 已开通AgentArts服务。
- 已配置模型鉴权，配置模型鉴权请参考设置模型鉴权。
创建单轮对话评估器
- 登录AgentArts智能体平台。
- 在左侧导航栏中选择“运营运维 > 评估 > 评估器 ”。
- 在“自定义评估器”页签中，单击右上角的“创建评估器”。
- 在展开的页面中配置评估器信息。具体参数配置请参考表1完成信息配置。
表1 评估器参数说明 参数
说明
基础信息
评估器名称
评估器的名称。
命名规则：
- 命名要求：支持中文、英文、数字、下划线（_）中划线（-）和空格的组合，不允许以空格开头或结尾和使用其他特殊字符。
- 长度限制：2~50个字符。
描述（可选）
评估器的描述。
长度限制：0~200个字符
类型
选择“单轮对话”。
配置信息
评估方法
选择“模型判定”。
选择模型
目前仅支持deepseek-v3.2模型。
单击模型名称后的“配置”
图标，可对模型参数进行配置。具体参数信息请参考表2。用户提示词
输入评估器的提示词，指示评估器如何进行评估。单击提示词输入框下方的“{{变量名}}”可以在提示词中添加变量。
单击输入框右侧的“选择模板”
图标，从平台预置的提示词模板列表中选取。选择后，可以根据实际需求直接编辑模板内容。建议：请根据您的评估目标选择匹配的模板（例如：评估回复准确性可选择“准确性”类模板，评估内容安全性可选择“安全性”类模板），选中后可根据实际业务需求直接编辑模板内容。
图1 选择提示词模板
表2 模型配置 参数
说明
最大回复长度
用于限制模型单次生成内容的最大Token数量。设置合理的上限有助于控制输出篇幅，避免生成过长或冗余的内容。
取值范围为1~8192。
生成随机数
该参数控制模型生成文本的随机性和多样性（即“自由度”）。
- 数值较高（接近 1）：输出更具创造性和多样性，可能包含新颖的表达，但也可能偏离用户意图或产生不连贯内容。
- 数值较低（接近 0）：输出更加确定、保守，贴近训练数据中的常见模式。
取值范围为0~2。
Top P
注意：由于该参数与“生成随机数”的作用机制部分重叠，建议二者择一调整，以获得更可预测的生成效果。
模型在生成过程中，从累积概率达到设定阈值（如Top P=0.9）的最小词汇子集中进行采样。这种方式会根据概率动态调整候选词范围，而非固定选择前N个词。它能在保留语言多样性的同时，提升输出的合理性与连贯性。
取值范围为0~1。
- 配置完成后单击右下方“调试”，在弹出的页面输入测试数据，单击“开始调试”查看评估效果。 图2 调试评估器
图3 查看调试结果
- 调试确认无误后，关闭调试页面。单击“确定”，输入版本信息后发布评估器。
发布完成后，在评估器列表页面即可查看已发布的评估器。
创建多轮对话评估器
建议将轨迹类的多轮对话评估器用于在线评估任务。由于轨迹数据手动构造难度较大，在线评估时系统将自动从调用链中提取变量值，无需手动构造。
- 登录AgentArts智能体平台。
- 在左侧导航栏中选择“运营运维 > 评估 > 评估器 ”。
- 在“自定义评估器”页签中，单击右上角的“创建评估器”。
- 在展开的页面中配置评估器信息。具体参数配置请参考表3完成信息配置。
表3 评估器参数说明 参数
说明
基础信息
评估器名称
评估器的名称。
命名规则：
- 命名要求：支持中文、英文、数字、下划线（_）中划线（-）和空格的组合，不允许以空格开头或结尾和使用其他特殊字符。
- 长度限制：2~50个字符。
描述（可选）
评估器的描述。
长度限制：0~200个字符
类型
选择“多轮对话”。选择后，需进一步选择评估的内容类型：文本或轨迹。
配置信息
评估方法
选择“模型判定”。
选择模型
目前仅支持deepseek-v3.2模型。
可单击
对模型进行配置，具体参数信息请参考表2。用户提示词
输入评估器的提示词，指示评估器如何进行评估。单击提示词输入框下方的预置变量名称，可以在提示词中添加变量。
您也可以直接选择预置的多轮对话提示词模板，并根据实际业务需求对模板内容进行修改。
注意：变量使用限制：
- 评估文本时：提示词中的变量名称必须为turns，不支持其他自定义变量名。
- 评估轨迹时：提示词中必须包含系统预置的轨迹类变量（至少选择其中一个），不支持使用自定义变量名。
- 配置完成后单击右下方“调试”，在弹出的页面输入测试数据，单击“开始调试”查看评估效果。 图4 调试评估器
图5 查看调试结果
- 调试确认无误后，关闭调试页面。单击“确定”，输入版本信息后发布评估器。
发布完成后，在评估器列表页面即可查看已发布的评估器。
