Agent Eval Suite

Provides benchmark testing, A/B testing, performance regression detection, and simulation environment testing for agent evaluation.

Agent 评估套件，提供基准测试、A/B测试、性能回归检测和模拟环境测试。

功能特性

1. 基准测试框架

• 标准化测试用例
• 多维度评估指标
• 基准对比
• 评分系统

2. A/B 测试

• 对照组设计
• 随机分组
• 统计显著性检验
• 结果分析

3. 性能回归检测

• 历史性能对比
• 回归告警
• 性能趋势图
• 根因分析

4. 模拟环境测试

• 沙箱环境
• 场景模拟
• 边界条件测试
• 故障注入

安装

bash

npm install

使用方法

Benchmark

javascript

const { Benchmark } = require('./src');

const benchmark = new Benchmark({ iterations: 100 });

benchmark.addTest('task-completion', {
  execute: async () => await agent.completeTask(task)
});

const results = await benchmark.run();
console.log(results);

ABTester

javascript

const { ABTester } = require('./src');

const ab = new ABTester({ confidenceLevel: 0.95 });

ab.createExperiment('new-prompt', {
  control: async () => await oldPrompt(),
  treatment: async () => await newPrompt()
});

const result = await ab.run('new-prompt', { sampleSize: 200 });
console.log(result); // { winner: 'treatment', confidence: 0.97 }

RegressionDetector

javascript

const { RegressionDetector } = require('./src');

const detector = new RegressionDetector({ threshold: 0.1 });

detector.record('response-time', { version: 'v1.1.0', value: 1200 });

const regressions = detector.detect();
console.log(regressions);

测试

bash

npm test

License

MIT