b1a09f02b7
All checks were successful
CI / test (pull_request) Successful in 3m59s
- 版本标记更新至 v1.3.0，发布说明链接指向 CHANGELOG.md - 测试基线更新为 963 后端 + 178 前端 - 新增性能基准章节：t480 线上 3-case 场景实测，并行 88.5s vs 串行 104.6s，提速 15.4%，加速比 1.59x
155 lines
6.2 KiB
Markdown
155 lines
6.2 KiB
Markdown
# AgentEvalTool
|
||
|
||
> **当前版本**：v1.3.0 · 已部署至 t480 开发线与 volcengine-102 正式线 · [发布说明](CHANGELOG.md)
|
||
|
||
智能体质量评估工具集平台。
|
||
|
||
## 功能
|
||
|
||
- 评测对象管理（AI 数字员工 / AI 助手）
|
||
- 评测场景管理（YAML/JSON 配置 + 模板库 + 动态用例生成）
|
||
- 异步评测执行引擎（真并发 / 真取消 / 可配置超时 / WS 实时进度）
|
||
- 评测通道：tutu-api / HTTP / OpenClaw
|
||
- 评估规则：关键词、响应时间、LLM 评分、语义相似度、JSON Schema、安全检测 + all/any/weighted 组合
|
||
- 模型配置中心（统一凭据管理 + Fernet 加密 + OpenAI/Anthropic/DashScope/Gemini 协议）
|
||
- 报告生成（JSON / HTML / Markdown / 同场景对比报告）+ Webhook 通知
|
||
- 触发来源标记（手动 / AI 助手 / CLI）+ AI 助手标准化评测链路
|
||
- 简单登录（访问密码 + 会话 token，未配置零打扰）
|
||
- 运营仪表盘（指标卡 / 趋势 / 场景表现 / 触发来源分布）
|
||
- 文件管理（分类树 + 上传下载）
|
||
- OpenClaw 免登录 iframe 集成 + 标准 agenteval-run 技能
|
||
- 周期评估活动（耐久调度、探索式评测、智能分析、周期对比）
|
||
- OpenClaw 驱动的独立智能评估（规划、审批、会话执行、结构化报告）
|
||
- Web 管理后台（FastAPI + React）
|
||
|
||
## v1.0 亮点
|
||
|
||
- **双评测体系**：静态评估以考纲和规则为权威；智能评估由 OpenClaw 规划并模拟真实用户行为。
|
||
- **周期质量运营**：Campaign 支持耐久调度、探索发现、智能分析和跨周期对比。
|
||
- **耐久架构**：数据库保存运行与智能作业权威状态，进程重启后可按明确边界恢复。
|
||
- **统一管理后台**：详情与报告采用 Drawer/页内视图，列表、轮询、反馈和危险操作遵循一致交互基线。
|
||
- **双线部署**：t480 用于开发验证，volcengine-102 通过不可变镜像、数据备份和迁移发布正式服务。
|
||
- **测试基线**：后端 963 项、前端 178 项自动化测试通过。
|
||
|
||
## 性能基准（v1.3.0，t480 实测）
|
||
|
||
评测引擎在 v1.3.0 引入 case 级并行执行（`max_concurrent_cases=3`）、rule 级并行（`max_concurrent_rules=5`）、SQLite WAL 模式与 6 项查询索引。以下为 t480 线上环境对「科室导航与挂号咨询」场景（3 cases / 4 turns）的实测对比：
|
||
|
||
| 指标 | 数值 |
|
||
|------|------|
|
||
| 并行实测（v1.3.0） | **88.5s** |
|
||
| 串行平均（v1.2.0 历史 5 次） | 104.6s |
|
||
| 提速 | **15.4%** |
|
||
| 理论串行耗时（case 级累加） | 140.3s |
|
||
| 并行加速比 | **1.59x** |
|
||
|
||
时间线验证：3 个 case 同时启动（间隔 0.0s），case-01（23s）和 case-02（29s）先行完成，case-03（2 个顺序 turn，88.5s）决定总耗时。瓶颈在通道 I/O 延迟而非引擎本身。
|
||
|
||
## 快速开始
|
||
|
||
### 安装
|
||
|
||
```bash
|
||
pip install -e ".[dev]"
|
||
```
|
||
|
||
### CLI 使用
|
||
|
||
```bash
|
||
# 查看帮助
|
||
agenteval --help
|
||
|
||
# 添加评测对象
|
||
agenteval target add --name "社区医院AI客服" --config config/config.json
|
||
|
||
# 导入评测场景
|
||
agenteval scenario import data/scenarios/health_basic.yaml
|
||
|
||
# 执行评测
|
||
agenteval run start --target <target-id> --scenario <scenario-id>
|
||
|
||
# 查看报告
|
||
agenteval report show <run-id> --format json
|
||
agenteval report generate <run-id> --format html
|
||
```
|
||
|
||
### 启动 Web 后台
|
||
|
||
```bash
|
||
agenteval server start --host 0.0.0.0 --port 8000
|
||
```
|
||
|
||
### 启动 Web 前端
|
||
|
||
```bash
|
||
cd frontend/web
|
||
npm install
|
||
npm run dev
|
||
```
|
||
|
||
## 文档
|
||
|
||
完整的文档集位于 `docs/` 目录：
|
||
|
||
- **[文档索引](docs/README.md)** - 文档导航和快速查找
|
||
- **[v1.0 发布说明](docs/release-notes-v1.0.md)** - 当前发布能力与验收基线
|
||
- **[需求分析](docs/requirements-v1.0.md)** - 项目背景、功能需求、验证标准
|
||
- **[架构设计](docs/architecture-v1.0.md)** - 系统架构、核心抽象、项目结构
|
||
- **[数据模型](docs/data-models-v1.0.md)** - 数据库表结构、模型关系
|
||
- **[API 参考](docs/api-reference/)** - CLI 命令和 Web API 文档
|
||
- **[部署文档](docs/deployment/)** - 部署指南和运维说明
|
||
- **[使用指南](docs/guides/)** - 快速开始和详细使用指南
|
||
- **[外部参考](docs/external-references/)** - tutu-api 等外部文档
|
||
|
||
## 项目结构
|
||
|
||
```
|
||
AgentEvalTool/
|
||
├── backend/ # Python 后端代码
|
||
│ ├── agenteval/ # 核心 Python 库
|
||
│ │ ├── channels/ # 消息通道适配器
|
||
│ │ ├── agents/ # 评测智能体适配器
|
||
│ │ ├── scenarios/ # 评测场景模型和加载
|
||
│ │ ├── evaluation/ # 评估引擎和规则
|
||
│ │ ├── storage/ # 数据持久化（SQLite）
|
||
│ │ └── web/ # FastAPI Web 后台
|
||
│ ├── cli/ # CLI 命令入口
|
||
│ └── plugins/ # 外部平台插件
|
||
│ └── openclaw/ # OpenClaw 插件示例
|
||
├── frontend/ # React 前端
|
||
│ └── web/ # Web 管理界面
|
||
├── config/ # 配置文件
|
||
│ └── config.json # tutu-api 配置
|
||
├── scripts/ # 工具脚本
|
||
│ └── mock_call.py # API 测试脚本
|
||
├── docs/ # 完整文档集
|
||
│ ├── requirements-v1.0.md
|
||
│ ├── architecture-v1.0.md
|
||
│ ├── data-models-v1.0.md
|
||
│ ├── api-reference/
|
||
│ ├── deployment/
|
||
│ ├── guides/
|
||
│ └── external-references/
|
||
├── deploy/ # 部署配置
|
||
│ └── t480/ # t480 服务器部署
|
||
├── data/ # 本地数据和报告
|
||
│ ├── scenarios/ # 场景 YAML 文件
|
||
│ ├── reports/ # 生成的 HTML/JSON 报告
|
||
│ └── agenteval.db # SQLite 数据库
|
||
└── tests/ # 测试
|
||
├── unit/
|
||
└── integration/
|
||
```
|
||
|
||
## 架构说明
|
||
|
||
AgentEvalTool 采用"CLI 工具集 + Web 后台"的交付方式：
|
||
|
||
- CLI 是核心能力入口，OpenClaw 可通过插件调用 CLI 完成评测自闭环。
|
||
- Web 后台提供可视化的对象、场景、执行、报告管理。
|
||
- 消息通道、评测智能体、评估规则均通过抽象接口定义，便于后续扩展。
|
||
|
||
## 许可证
|
||
|
||
MIT
|