AI Agent & Skill 测评方案及落地实践

AI Agent & Skill 测评方案及落地实践 AI Agent & Skill 测评方案及落地实践 Modified June 17 评分机制 操作步骤评分 — 确定性评分，最多扣 10 分： 使用最长公共子序列（LCS）算法对齐基线与 Trial 的操作步骤序列。对齐前会对步骤进行归一化处理：时间戳替换为占位符、搜索工具忽略查询参数、写入工具忽略文件内容只保留路径、终端命令提取脚本名忽略环境配置、连续读文件操作组内不校验顺序。对齐后，步骤不一致/多余/缺少/顺序错误各扣 2 分。 效率评分 — 确定性评分，最多扣 10 分： 耗时以全局配置的基准时间（300s）为参照，每超标 10% 扣 1 分；Token 消耗以基线 Token 数为参照，每超标 10% 扣 1 分。两项合计最多扣 10 分。 报告评分 — 模型评分，最多扣 80 分： 将基线报告和 Trial 报告写入文件，生成评分 Prompt，调用 CodeBuddy CLI 让大模型逐项对比两份报告。评分完成后校验结果格式合法性。关键判定（压测有效性/性能结果）不一致直接扣 80 分；章节内容（CPU/内存/网络/磁盘IO/业务指标/根因/优化建议/完整性/准确性/结论）每项差异扣 5 分，上限 80 分。 执行模式 触发时机 在通用触发时机（见第三章 3.4）基础上，TPerf 增加了工具更新的触发条件： 5.5 工程实现 前面介绍了"评什么"和"怎么跑"，本节展开工程实现细节——Trace 如何获取、项目如何组织、流水线如何集成。 Trace 获取 TPerf AI 分析 Agent 部署在 Knot 智能体平台 上，通过 Knot 的 AG UI 协议进行交互。 采用 Knot API 查询 方式：触发 Agent 分析后，通过轮询等待数据库同步完成，然后获取完整的 AG UI 事件流。该事件流包含： • 工具调用事件 ：记录每次工具调用的名称、参数和返回结果 • 文本消息事件 ：Agent 生成的 Markdown 分析报告（分段拼接） • 时间和消耗 ：请求时间、完成时间（计算耗时）、Token 消耗明细 • 最终分析报告 ：从文本事件拼接后，以"性能用例分析报告"标记截取 事件流解析器跟踪工具调用的开始→参数→结果事件，构建完整的调用步骤列表。对参数进行简化处理（终端命令提取关键信息、读文件提取路径、MCP 工具提取核心参数、写入类工具截断内容），使步骤对比更加合理。 框架结构 测试场景基于 真实的 TPerf 压测记录 ，不使用 mock 数据。压测记录一旦生成即不可变，确保用例 可复现 。 项目按职责分层组织： 层级 说明 API 封装层 封装 Knot 智能体 API 和 TPerf 平台 API 配置层 全局配置（模型/超时/评分标准）、凭证配置、模型定价配置 用例定义层 按场景分组的 YAML 用例文件（9 个分组） 采集层 基线数据采集器：从 Knot API 获取基线的报告、步骤、耗时、Token 评分层 三个独立评分器：操作步骤评分、效率评分、报告评分 执行层 用例执行器（触发 Agent、收集结果、编排评分流程） 工具层 快速评测脚本、报告生成器、重新评分工具、基线同步工具 解析层 AG UI 事件流解析器（将原始事件流转换为结构化的工具调用步骤列表） 结果层 基线落盘、评分结果、中间文件、HTML 报告 框架启动时递归扫描所有用例配置文件，结合全局模型列表，为每个用例 × 每个模型生成独立的参数化测试。支持通过 pytest marker 按模型筛选用例。 流水线集成与报告 根据执行模式的不同，分为两条流水线： 基线确认流水线 用于日常开发调试和快速验证，确定基线： 环节 说明 执行方式 指定用例 ID 列表 或 全量用例，支持指定并发数和模型 执行环境 Python 3.10+、Knot 凭证、网络可达 Knot API 报告格式 左右分栏：左侧用例列表（支持搜索/筛选）+ 右侧 Markdown 渲染 成本计算 根据模型定价配置计算每次分析的 token 费用 报告效果： 基线确认报告示例：左侧为用例列表（显示用例耗时/Token/费用明细/会话信息），支持搜索和折叠；右侧为选中用例的详情，包含用例基本信息、分析报告结果。 测评流水线 基线确认后进入正式测评环节，采用 pytest 实现全部测评逻辑，用例管理复用 TCase 平台 ： 环节 说明 用例管理 用例上传至 TCase 平台，创建用例集和任务 并发策略 Trial 执行并发 + Trial 评分并行 + 三个评分器并行 重试机制 遇限流/模型异常自动等待重试（最多 5 次）；数据获取轮询等待同步 超时设置 单用例约 3000s；全量 30+ 用例 × 7 模型约 3 5 小时 报告展示 测试结束后自动生成 HTML 报告，在流水线中展示 过程归档 评分结果、基线数据、Agent 响应等过程文件归档至流水线产物 测评完成后自动生成 HTML 报告，全量测评报告包含： • 顶部汇总 ：总用例数、通过/失败数、通过率、模型版本、执行时间 • 分组展示 ：按场景分组，每组显示用例列表 • 单用例详情 ：展开后显示每次 Trial 的三维度评分明细（步骤对比 + 耗时/Token 对比 + 报告对比 + 综合得分） • 回归评分 ：显示稳定性达标情况和最终分数 • Knot 对话链接 ：每个 Trial 提供 Knot 平台对话历史的跳转链接 • 成本统计 ：显示每次评测的 token 消耗和费用 全量测评报告总览 ：顶部显示通过率、平均分、模型版本、总 Token、总费用等全局汇总指标；左侧按场景分组展示全部用例及得分和分数分布直方图，右侧展示该用例执行的详细信息。 单用例评分详情 ：展示该用例的基线信息（耗时/Token/费用/步骤数）、Prompt、多次 Trial 的逐项评分（Transcript 扣分、效率扣分、结果扣分）及最终稳定性评分。 Trial 对话详情 ：展示单次 Trial 的完整对话 ID、Token 消耗、费用、耗时，以及 Transcript 各维度评分的扣分明细和上限，支持跳转至 Knot 平台查看完整对话历史。 评分机制 操作步骤评分 — 确定性评分，最多扣 10 分： 使用最长公共子序列（LCS）算法对齐基线与 Trial 的操作步骤序列。对齐前会对步骤进行归一化处理：时间戳替换为占位符、搜索工具忽略查询参数、写入工具忽略文件内容只保留路径、终端命令提取脚本名忽略环境配置、连续读文件操作组内不校验顺序。对齐后，步骤不一致/多余/缺少/顺序错误各扣 2 分。 效率评分 — 确定性评分，最多扣 10 分： 耗时以全局配置的基准时间（300s）为参照，每超标 10% 扣 1 分；Token 消耗以基线 Token 数为参照，每超标 10% 扣 1 分。两项合计最多扣 10 分。 报告评分 — 模型评分，最多扣 80 分： 将基线报告和 Trial 报告写入文件，生成评分 Prompt，调用 CodeBuddy CLI 让大模型逐项对比两份报告。评分完成后校验结果格式合法性。关键判定（压测有效性/性能结果）不一致直接扣 80 分；章节内容（CPU/内存/网络/磁盘IO/业务指标/根因/优化建议/完整性/准确性/结论）每项差异扣 5 分，上限 80 分。 执行模式 触发时机 在通用触发时机（见第三章 3.4）基础上，TPerf 增加了工具更新的触发条件： 5.5 工程实现 前面介绍了"评什么"和"怎么跑"，本节展开工程实现细节——Trace 如何获取、项目如何组织、流水线如何集成。 Trace 获取 TPerf AI 分析 Agent 部署在 Knot 智能体平台 上，通过 Knot 的 AG UI 协议进行交互。 采用 Knot API 查询 方式：触发 Agent 分析后，通过轮询等待数据库同步完成，然后获取完整的 AG UI 事件流。该事件流包含： • 工具调用事件 ：记录每次工具调用的名称、参数和返回结果 • 文本消息事件 ：Agent 生成的 Markdown 分析报告（分段拼接） • 时间和消耗 ：请求时间、完成时间（计算耗时）、Token 消耗明细 • 最终分析报告 ：从文本事件拼接后，以"性能用例分析报告"标记截取 事件流解析器跟踪工具调用的开始→参数→结果事件，构建完整的调用步骤列表。对参数进行简化处理（终端命令提取关键信息、读文件提取路径、MCP 工具提取核心参数、写入类工具截断内容），使步骤对比更加合理。 框架结构 测试场景基于 真实的 TPerf 压测记录 ，不使用 mock 数据。压测记录一旦生成即不可变，确保用例 可复现 。 项目按职责分层组织： 层级 说明 API 封装层 封装 Knot 智能体 API 和 TPerf 平台 API 配置层 全局配置（模型/超时/评分标准）、凭证配置、模型定价配置 用例定义层 按场景分组的 YAML 用例文件（9 个分组） 采集层 基线数据采集器：从 Knot API 获取基线的报告、步骤、耗时、Token 评分层 三个独立评分器：操作步骤评分、效率评分、报告评分 执行层 用例执行器（触发 Agent、收集结果、编排评分流程） 工具层 快速评测脚本、报告生成器、重新评分工具、基线同步工具 解析层 AG UI 事件流解析器（将原始事件流转换为结构化的工具调用步骤列表） 结果层 基线落盘、评分结果、中间文件、HTML 报告 层级 层级 说明 说明 API 封装层 API 封装层 封装 Knot 智能体 API 和 TPerf 平台 API 封装 Knot 智能体 API 和 TPerf 平台 API 配置层 配置层 全局配置（模型/超时/评分标准）、凭证配置、模型定价配置 全局配置（模型/超时/评分标准）、凭证配置、模型定价配置 用例定义层 用例定义层 按场景分组的 YAML 用例文件（9 个分组） 按场景分组的 YAML 用例文件（9 个分组） 采集层 采集层 基线数据采集器：从 Knot API 获取基线的报告、步骤、耗时、Token 基线数据采集器：从 Knot API 获取基线的报告、步骤、耗时、Token 评分层 评分层 三个独立评分器：操作步骤评分、效率评分、报告评分 三个独立评分器：操作步骤评分、效率评分、报告评分 执行层 执行层 用例执行器（触发 Agent、收集结果、编排评分流程） 用例执行器（触发 Agent、收集结果、编排评分流程） 工具层 工具层 快速评测脚本、报告生成器、重新评分工具、基线同步工具 快速评测脚本、报告生成器、重新评分工具、基线同步工具 解析层 解析层 AG UI 事件流解析器（将原始事件流转换为结构化的工具调用步骤列表） AG UI 事件流解析器（将原始事件流转换为结构化的工具调用步骤列表） 结果层 结果层 基线落盘、评分结果、中间文件、HTML 报告 基线落盘、评分结果、中间文件、HTML 报告 框架启动时递归扫描所有用例配置文件，结合全局模型列表，为每个用例 × 每个模型生成独立的参数化测试。支持通过 pytest marker 按模型筛选用例。 流水线集成与报告 根据执行模式的不同，分为两条流水线： 基线确认流水线 用于日常开发调试和快速验证，确定基线： 环节 说明 执行方式 指定用例 ID 列表 或 全量用例，支持指定并发数和模型 执行环境 Python 3.10+、Knot 凭证、网络可达 Knot API 报告格式 左右分栏：左侧用例列表（支持搜索/筛选）+ 右侧 Markdown 渲染 成本计算 根据模型定价配置计算每次分析的 token 费用 环节 环节 说明 说明 执行方式 执行方式 指定用例 ID 列表 或 全量用例，支持指定并发数和模型 指定用例 ID 列表 或 全量用例，支持指定并发数和模型 执行环境 执行环境 Python 3.10+、Knot 凭证、网络可达 Knot API Python 3.10+、Knot 凭证、网络可达 Knot API 报告格式 报告格式 左右分栏：左侧用例列表（支持搜索/筛选）+ 右侧 Markdown 渲染 左右分栏：左侧用例列表（支持搜索/筛选）+ 右侧 Markdown 渲染 成本计算 成本计算 根据模型定价配置计算每次分析的 token 费用 根据模型定价配置计算每次分析的 token 费用 报告效果： 基线确认报告示例：左侧为用例列表（显示用例耗时/Token/费用明细/会话信息），支持搜索和折叠；右侧为选中用例的详情，包含用例基本信息、分析报告结果。 测评流水线 基线确认后进入正式测评环节，采用 pytest 实现全部测评逻辑，用例管理复用 TCase 平台 ： 环节 说明 用例管理 用例上传至 TCase 平台，创建用例集和任务 并发策略 Trial 执行并发 + Trial 评分并行 + 三个评分器并行 重试机制 遇限流/模型异常自动等待重试（最多 5 次）；数据获取轮询等待同步 超时设置 单用例约 3000s；全量 30+ 用例 × 7 模型约 3 5 小时 报告展示 测试结束后自动生成 HTML 报告，在流水线中展示 过程归档 评分结果、基线数据、Agent 响应等过程文件归档至流水线产物 环节 环节 说明 说明 用例管理 用例管理 用例上传至 TCase 平台，创建用例集和任务 用例上传至 TCase 平台，创建用例集和任务 并发策略 并发策略 Trial 执行并发 + Trial 评分并行 + 三个评分器并行 Trial 执行并发 + Trial 评分并行 + 三个评分器并行 重试机制 重试机制 遇限流/模型异常自动等待重试（最多 5 次）；数据获取轮询等待同步 遇限流/模型异常自动等待重试（最多 5 次）；数据获取轮询等待同步 超时设置 超时设置 单用例约 3000s；全量 30+ 用例 × 7 模型约 3 5 小时 单用例约 3000s；全量 30+ 用例 × 7 模型约 3 5 小时 报告展示 报告展示 测试结束后自动生成 HTML 报告，在流水线中展示 测试结束后自动生成 HTML 报告，在流水线中展示 过程归档 过程归档 评分结果、基线数据、Agent 响应等过程文件归档至流水线产物 评分结果、基线数据、Agent 响应等过程文件归档至流水线产物 测评完成后自动生成 HTML 报告，全量测评报告包含： • 顶部汇总 ：总用例数、通过/失败数、通过率、模型版本、执行时间 • 分组展示 ：按场景分组，每组显示用例列表 • 单用例详情 ：展开后显示每次 Trial 的三维度评分明细（步骤对比 + 耗时/Token 对比 + 报告对比 + 综合得分） • 回归评分 ：显示稳定性达标情况和最终分数 • Knot 对话链接 ：每个 Trial 提供 Knot 平台对话历史的跳转链接 • 成本统计 ：显示每次评测的 token 消耗和费用 全量测评报告总览 ：顶部显示通过率、平均分、模型版本、总 Token、总费用等全局汇总指标；左侧按场景分组展示全部用例及得分和分数分布直方图，右侧展示该用例执行的详细信息。 单用例评分详情 ：展示该用例的基线信息（耗时/Token/费用/步骤数）、Prompt、多次 Trial 的逐项评分（Transcript 扣分、效率扣分、结果扣分）及最终稳定性评分。 Trial 对话详情 ：展示单次 Trial 的完整对话 ID、Token 消耗、费用、耗时，以及 Transcript 各维度评分的扣分明细和上限，支持跳转至 Knot 平台查看完整对话历史。 模型对比报告 ：横向对比多个模型在全量用例集上的综合表现，帮助团队做出模型选型决策。 模型 pass@1 pass^5 用例通过率（跑5次） 得分 Token 使用量/M 开销/$ 耗时/s model A 9x.x% 9x.x% 9x.x% 9x.x 0.x x.x 2xx model B 9x.x% 7x.x% 9x.x% 8x.x 0.x x.x 2xx model C 9x.x% 7x.x% 8x.x% 7x.x 0.x x.x 2xx model D 9x.x% 8x.x% 9x.x% 8x.x 0.x x.x 2xx model E 4x.x% x.x% x.x% x.x 0.x x.x 2xx model F 6x.x% 1x.x% 2x.x% 2x.x 0.x x.x 1xx 模型 模型 pass@1 pass@1 pass^5 pass^5 用例通过率（跑5次） 用例通过率（跑5次） 得分 得分 Token 使用量/M Token 使用量/M 开销/$ 开销/$ 耗时/s 耗时/s model A model A 9x.x% 9x.x% 9x.x% 9x.x% 9x.x% 9x.x% 9x.x 9x.x 0.x 0.x x.x x.x 2xx 2xx model B model B 9x.x% 9x.x% 7x.x% 7x.x% 9x.x% 9x.x% 8x.x 8x.x 0.x 0.x x.x x.x 2xx 2xx model C model C 9x.x% 9x.x% 7x.x% 7x.x% 8x.x% 8x.x% 7x.x 7x.x 0.x 0.x x.x x.x 2xx 2xx model D model D 9x.x% 9x.x% 8x.x% 8x.x% 9x.x% 9x.x% 8x.x 8x.x 0.x 0.x x.x x.x 2xx 2xx model E model E 4x.x% 4x.x% x.x% x.x% x.x% x.x% x.x x.x 0.x 0.x x.x x.x 2xx 2xx model F model F 6x.x% 6x.x% 1x.x% 1x.x% 2x.x% 2x.x% 2x.x 2x.x 0.x 0.x x.x x.x 1xx 1xx • pass@1 ：跑一次评分达标的概率 • pass^5 ：连续跑 5 次评分达标的概率 • 开销 = Token 使用量 × 模型单价（单价使用对外售卖价） • 耗时 受模型部署资源影响 过程日志与归档 每次测评执行产生的所有中间数据和最终报告均按以下方式归档，确保可追溯： 内容 说明 归档方式 基线数据 从 API 采集的报告、步骤、耗时、token 完整数据 流水线产物 基线/Trial 报告 用于报告评分的 Markdown 文件 流水线产物 评分结果 各评分器的逐项对比详情和分数 流水线产物 用例综合评分 包含基线、所有 trial、回归评分和最终得分 流水线产物 HTML 测评报告 可视化报告 流水线展示 基线配置 用例中的基线会话标识 代码仓库（Git 追溯） 用例执行日志 TCase 管理的执行日志 TCase 平台查看 内容 内容 说明 说明 归档方式 归档方式 基线数据 基线数据 从 API 采集的报告、步骤、耗时、token 完整数据 从 API 采集的报告、步骤、耗时、token 完整数据 流水线产物 流水线产物 基线/Trial 报告 基线/Trial 报告 用于报告评分的 Markdown 文件 用于报告评分的 Markdown 文件 流水线产物 流水线产物 评分结果 评分结果 各评分器的逐项对比详情和分数 各评分器的逐项对比详情和分数 流水线产物 流水线产物 用例综合评分 用例综合评分 包含基线、所有 trial、回归评分和最终得分 包含基线、所有 trial、回归评分和最终得分 流水线产物 流水线产物 HTML 测评报告 HTML 测评报告 可视化报告 可视化报告 流水线展示 流水线展示 基线配置 基线配置 用例中的基线会话标识 用例中的基线会话标识 代码仓库（Git 追溯） 代码仓库（Git 追溯） 用例执行日志 用例执行日志 TCase 管理的执行日志 TCase 管理的执行日志 TCase 平台查看 TCase 平台查看 关键设计： • 基线配置 随代码仓库版本化管理，变更可通过 Git 追溯 • 执行结果 每次执行重新生成，通过流水线归档保留 • 重新评分 ：可对已有结果重新评分，无需重新触发 Agent 执行 六、参考文档 本文的方法论和实践经验参考了以下来自 OpenAI 和 Anthropic 的一手资料，推 荐进一步阅读： 来源 标题 链接 Anthropic Demystifying evals for AI agents https://www.anthropic.com/engineering/demystifying evals for ai agents Anthropic Evaluating AI agents: Best practices for reliable measurement https://www.anthropic.com/engineering/evaluating ai agents OpenAI Eval skills: Build better AI applications through evaluation https://developers.openai.com/blog/eval skills 来源 来源 标题 标题 链接 链接 Anthropic Anthropic Demystifying evals for AI agents Demystifying evals for AI agents https://www.anthropic.com/engineering/demystifying evals for ai agents https://www.anthropic.com/engineering/demystifying evals for ai agents Anthropic Anthropic Evaluating AI agents: Best practices for reliable measurement Evaluating AI agents: Best practices for reliable measurement https://www.anthropic.com/engineering/evaluating ai agents https://www.anthropic.com/engineering/evaluating ai agents OpenAI OpenAI Eval skills: Build better AI applications through evaluation Eval skills: Build better AI applications through evaluation https://developers.openai.com/blog/eval skills https://developers.openai.com/blog/eval skills 附录：术语速查表 术语 全称 含义 Prompt — 提示词，发送给 AI 模型的指令文本 Token — 词元，模型处理文本的最小单位（约 0.7 个中文字或 0.75 个英文单词），API 按 Token 数计费 Trace — 执行轨迹，Agent 执行过程中产生的结构化日志（工具调用、参数、返回值、思考过程） Eval Evaluation 评估/测评，对 Agent 输出质量的系统化评测 Rubric — 评分量表，这里特指用结构化提示词让大模型充当评委打分的方式 CoT Chain of Thought 思维链，模型逐步推理的中间过程 pass@k — k 次试验中至少 1 次通过的概率（衡量峰值能力） pass^k — k 次试验中每次都通过的概率（衡量稳定性） MCP Model Context Protocol 模型上下文协议，让 AI 标准化调用外部工具和数据源的开放协议 AG UI Agent UI Protocol Agent 与前端界面之间通信格式的标准协议 LCS Longest Common Subsequence 最长公共子序列，一种序列比对算法 幻觉 Hallucination 模型编造不存在的事实、数据或 API Red Team — 红队测试，模拟攻击者角色寻找系统漏洞的安全测试方法 Prompt Injection — 提示词注入，通过恶意构造的输入试图劫持 Agent 行为 PII Personally Identifiable Information 个人可识别信息（姓名、手机号、身份证号等） Ground Truth — 黄金标准答案，经人工确认的正确参考结果 CSAT Customer Satisfaction Score 客户满意度评分 NPS Net Promoter Score 净推荐值，衡量用户推荐意愿的指标 CI Continuous Integration 持续集成，代码合入时自动运行构建和测试的流程 Trial — 单次试验，即对同一用例的一次独立执行 术语 术语 全称 全称 含义 含义 Prompt Prompt — — 提示词，发送给 AI 模型的指令文本 提示词，发送给 AI 模型的指令文本 Token Token — — 词元，模型处理文本的最小单位（约 0.7 个中文字或 0.75 个英文单词），API 按 Token 数计费 词元，模型处理文本的最小单位（约 0.7 个中文字或 0.75 个英文单词），API 按 Token 数计费 Trace Trace — — 执行轨迹，Agent 执行过程中产生的结构化日志（工具调用、参数、返回值、思考过程） 执行轨迹，Agent 执行过程中产生的结构化日志（工具调用、参数、返回值、思考过程） Eval Eval Evaluation Evaluation 评估/测评，对 Agent 输出质量的系统化评测 评估/测评，对 Agent 输出质量的系统化评测 Rubric Rubric — — 评分量表，这里特指用结构化提示词让大模型充当评委打分的方式 评分量表，这里特指用结构化提示词让大模型充当评委打分的方式 CoT CoT Chain of Thought Chain of Thought 思维链，模型逐步推理的中间过程 思维链，模型逐步推理的中间过程 pass@k pass@k — — k 次试验中至少 1 次通过的概率（衡量峰值能力） k 次试验中至少 1 次通过的概率（衡量峰值能力） pass^k pass^k — — k 次试验中每次都通过的概率（衡量稳定性） k 次试验中每次都通过的概率（衡量稳定性） MCP MCP Model Context Protocol Model Context Protocol 模型上下文协议，让 AI 标准化调用外部工具和数据源的开放协议 模型上下文协议，让 AI 标准化调用外部工具和数据源的开放协议 AG UI AG UI Agent UI Protocol Agent UI Protocol Agent 与前端界面之间通信格式的标准协议 Agent 与前端界面之间通信格式的标准协议 LCS LCS Longest Common Subsequence Longest Common Subsequence 最长公共子序列，一种序列比对算法 最长公共子序列，一种序列比对算法 幻觉 幻觉 Hallucination Hallucination 模型编造不存在的事实、数据或 API 模型编造不存在的事实、数据或 API Red Team Red Team — — 红队测试，模拟攻击者角色寻找系统漏洞的安全测试方法 红队测试，模拟攻击者角色寻找系统漏洞的安全测试方法 Prompt Injection Prompt Injection — — 提示词注入，通过恶意构造的输入试图劫持 Agent 行为 提示词注入，通过恶意构造的输入试图劫持 Agent 行为 PII PII Personally Identifiable Information Personally Identifiable Information 个人可识别信息（姓名、手机号、身份证号等） 个人可识别信息（姓名、手机号、身份证号等） Ground Truth Ground Truth — — 黄金标准答案，经人工确认的正确参考结果 黄金标准答案，经人工确认的正确参考结果 CSAT CSAT Customer Satisfaction Score Customer Satisfaction Score 客户满意度评分 客户满意度评分 NPS NPS Net Promoter Score Net Promoter Score 净推荐值，衡量用户推荐意愿的指