SkillEvaluator怎么做技能对照评估

冬瑶姑娘_9479

冬瑶姑娘_9479

2026-11-17

789人浏览

原创

用 SkillEvaluator 做技能对照评估时,让同一 Agent 分别在有技能和无技能的环境中完成同一批任务,再比较结果。Docker 路径需要安装 Tier 3 依赖并配置 Agent 与评估所需的模型服务。

先固定两组都能完成的任务

对照组和实验组的题目、预期输出、调用的模型、运行环境所有参数必须完全对齐。开了技能的实验组正常给agent装好对应技能就行,写任务说明的时候,绝对不能要求agent必须调用技能专属的脚本。举个例子,统计文本词数的任务,两组最后只要输出符合统一规则、可以直接核验的数字就达标。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

NVIDIA 官方三层评估及现场对照示意

验证用例,再从一次小规模运行开始

下面的命令要在源码根目录下执行,前提是你准备的my-skill文件夹里已经放好了校验有效的evals测试数据集。此时Docker要处于启动状态,Codex能正常访问适配的模型服务,评估用的大模型也要按照对应服务商的要求提前配置好。第一次跑先选单个Agent、只做1次尝试,先把容器启动、结果文件生成的全流程走通,确认没有问题再继续。

docker info
uv run --python 3.13 --extra tier3 skillevaluator tier3 validate ./my-skill --strict
uv run --python 3.13 --extra tier3 skillevaluator tier3 evaluate ./my-skill --agents codex --env-mode docker --n-attempts 1 --grading-mode default

报告先看完整性,再看增益

全部跑完之后,去对应技能目录下的evals/results文件夹里,找最新生成的带时间戳的子目录,里面的report.html、result.json、run_config.json三个文件都要检查一遍,确认有技能、无技能两组的运行记录都完整存在。只跑一轮只能用来验证流程通不通,最终的性能指标必须结合多任务测试、多次重复运行的结果一起解读才有效。

Marvis Codex Bridge
Marvis Codex Bridge

将来自 Marvis 或微信的可信远程软件开发请求中继至用户本地的 Codex CLI,等待编码任务完成,并返回经验证的结果。当用户通过 Codex 要求 Marvis 检查、实现、修复、测试、review 或继续在明确指定的本地项目目录中开展工作时,使用此功能。

下载

NVIDIA 官方示例中的技能评估报告

技能没触发和任务失败怎么区分?

排查的时候先确认任务失败是不是模型鉴权失败、容器启动报错、运行超时这类通用问题导致的。等两组任务都完整跑完之后,再逐条核对每条任务的输出,区分到底是Agent输出结果本身出错,还是技能根本没被触发。如果所有装了技能的正向测试用例里,技能都完全没被触发,最终生成的报告里根本看不到技能带来的增益,这种情况先调整技能的加载路径,或者修改测试用例的触发条件,再用完全相同的配置重新跑一遍就行。

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

codex

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
Go-Zero API开发使用教程
Go-Zero API开发使用教程

本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。

2026.11.12

140

15

Go-Zero安装与goctl环境配置教程
Go-Zero安装与goctl环境配置教程

本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。

2026.11.12

100

15

Go-Zero零基础入门教程
Go-Zero零基础入门教程

本专题整理Go-Zero的入门知识,从框架定位、环境准备到跑通第一个API服务,讲清目录分层、配置加载、日志与中间件的基本用法,并对比Gin、Kratos的差异,帮助Go开发者建立整体认知,判断它是否适合当前项目。

2026.11.12

80

15

Postman身份认证怎么配置
Postman身份认证怎么配置

本专题从实际API接口调试场景出发,讲解Postman身份认证的完整配置流程,包括常见认证协议介绍、授权参数设置、访问令牌填写、OAuth 2.0授权及认证失败排查,帮助用户正确完成接口授权与访问验证。

2026.11.06

160

12

Postman请求头Headers怎么设置
Postman请求头Headers怎么设置

围绕Postman HTTP请求头配置展开,讲解Headers选项的具体使用方式,包括Key和Value参数填写、请求头信息添加、常见Header字段设置及请求头修改方法,帮助用户解决接口调试过程中遇到的请求头配置问题。

2026.11.06

140

13

Postman接口请求发送教程
Postman接口请求发送教程

详细介绍Postman接口请求的创建与发送方法,涵盖GET和POST请求、URL配置、请求参数、Headers请求头、Body请求体设置以及响应结果查看,帮助用户掌握Postman接口请求的完整操作流程。

2026.11.06

120

10

DBeaver怎么导入数据
DBeaver怎么导入数据

DBeaver数据导入专题,整理Excel、CSV、SQL、TXT等常见文件的数据导入方法,涵盖目标数据库选择、数据表创建、字段映射、数据类型设置及导入参数配置等操作,帮助用户将本地文件中的数据写入数据库,并了解批量导入、重复数据处理和导入失败等常见问题的解决方法。

2026.11.05

120

12

DBeaver安全防护教程大全
DBeaver安全防护教程大全

DBeaver安全防护专题,围绕数据库连接安全、账号密码保护和访问权限管理展开,整理SSL/TLS加密连接、SSH隧道、数据库凭据保存及证书验证等配置方法,同时介绍敏感信息保护、远程连接风险和高权限账号使用等注意事项,帮助用户提高数据库日常管理的安全性。

2026.11.05

100

12

DBeaver连接创建与配置教程
DBeaver连接创建与配置教程

本专题聚焦DBeaver数据库连接配置与管理,覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库,整理相应的连接设置方法,并提供驱动缺失、认证失败和连接异常等问题的排查方向。

2026.11.04

120

16

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
Codex 应用程序简介
Codex 应用程序简介

共0课时 | 189人学习

Codex官方文档
Codex官方文档

共0课时 | 0人学习