# 创建自适应判定评估器 自适应判定评估器旨在降低评估器的编写门槛。与模型判定评估器需要编写复杂的Prompt不同，自适应判定评估器仅需输入**自然语言规则描述** ，系统即可自动将其转化为**结构化的评估步骤**。 适用于非技术运营人员快速构建评估标准，或对评估逻辑要求相对简单、无需精细控制Prompt的场景。 #### 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](https://support.huaweicloud.com/price-maas/price-maas-0001.html)。 #### 前提条件 - 已[开通AgentArts服务](https://support.huaweicloud.com/qs-agentarts/agentarts_04_0000.html)。 - 已配置模型鉴权，配置模型鉴权请参考[设置模型鉴权](https://support.huaweicloud.com/lowcode-agentarts/agentarts_05_0185.html)。 #### 约束与限制 表1使用限制 | 限制 | 说明 | |:---|:---| | 对话类型限制 | 仅支持单轮对话评估，不支持多轮对话。 | | 评估器使用限制 | 仅支持在离线评估任务中使用，不支持在线评估。 | | 评分规则数量限制 | 最多支持添加10个评分规则。 | #### 创建评估器 1. 登录[AgentArts智能体平台](https://console.huaweicloud.com/agentarts/#/home/overview)。 2. 在左侧导航栏中选择"运营运维 \> 评估 \> 评估器"。 3. 在"自定义评估器"页签中，单击右上角的"创建评估器"。 4. 在展开的页面中配置评估器信息。具体参数配置请参考[表2]完成信息配置。 表2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，且不允许使用其他特殊字符。 - 长度限制：2\~50个字符。 | | 基础信息 | 描述（可选） | 评估器的描述。 长度限制：0\~200个字符。 | | 基础信息 | 类型 | 选择"单轮对话"。 | | 配置信息 | 评估方法 | 选择"自适应判定"。 | | 配置信息 | 选择模型 | 目前仅支持deepseek-v3.2模型。 可单击![](https://support.huaweicloud.com/ops-agentarts/zh-cn_image_0000002687916056.png)对模型进行配置，具体参数信息请参考[表3]。 | | 配置信息 | 提示词 | 在输入框中输入自然语言规则描述，如需添加变量，可单击输入框下方的"{{变量名}}"添加变量。输入完成后，单击"预览"，系统将自动生成结构化的评估步骤。 **例如：** 评估AI助手回复（{{actual_output}}）相对于专家标准答案（{{reference_output}}）的正确性与完整性。 从 {{reference_output}} 中提取核心要点，逐一比对 {{actual_output}} 是否准确覆盖且无事实错误。 确认 {{actual_output}} 是否直接回答了用户问题（{{input}}），根据要点覆盖比例和准确性给出 0.0-1.0 的评分。 图1提示词和评估标准预览 ![](https://support.huaweicloud.com/ops-agentarts/zh-cn_image_0000002717835527.png) | | 配置信息 | 评分规则 | 定义评估器在执行过程中的评分标准。 **例如：** - 1.0分：输出在事实上完全正确、真实，且完整覆盖参考答案的核心要点与细节。允许语言模糊或包含主观意见。 - 0.5分：输出在事实上基本正确，但遗漏了部分细节（非核心要点），导致回答不够完整。 - 0.0分：输出在事实上错误、不准确，或严重遗漏核心要点。 | 表3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。 | 5. 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"，在"调试结果"页签中查看调试结果。 如果调试结果不符合预期，请尝试优化提示词描述的具体程度后重新调试。 图2调试评估器 ![](https://support.huaweicloud.com/ops-agentarts/zh-cn_image_0000002717675669.png) 图3查看调试结果 ![](https://support.huaweicloud.com/ops-agentarts/zh-cn_image_0000002688075912.png) 6. 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。