Evaluation Benchmark

Agent评估测试助手。设计评估指标、构建测试集、生成报告。使用场景：(1) 设计评估指标，(2) 构建测试集，(3) 执行评估测试，(4) 分析评估结果。

Evaluation & Benchmark — Agent评估助手

功能说明

评估和测试Agent性能。

使用方法

1. 评估指标

用户: 如何评估Agent的效果？

2. 测试集设计

用户: 构建一个代码生成测试集

3. 评估执行

用户: 运行评估测试

4. 结果分析

用户: 分析这次评估的结果