alibabacloud-agentloop-evaluation
通过阿里云CLI插件编排AgentLoop评估工作流，实现安全预览、批量测试与结果分析。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：alibabacloud-agentloop-evaluation。 它的用途是：通过阿里云CLI插件编排AgentLoop评估工作流，实现安全预览、批量测试与结果分析。 完整的 Skill 内容见：https://321skill.com/skills/alibabacloud-agentloop-evaluation/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘为我的客服对话智能体创建一个新的意图识别评估器，并用上个月的100条对话追踪数据进行批量测试。’ 它会通过阿里云CLI插件生成评估配置，安全预览无误后启动批量评估任务，并允许你轮询进度。任务完成后，你可以进一步要求它：‘分析这次评估中的低分案例，从SLS日志里找出共同问题。’ 它会提取相关日志，生成分析报告，帮助你定位智能体在特定意图上的识别短板。
介绍
该Skill旨在解决智能体（Agent）开发与迭代过程中，对AgentLoop进行评估、测试和结果分析的复杂性问题。传统评估流程往往涉及手动配置、运行测试、收集日志和分析结果，步骤繁琐且难以标准化。
通过集成阿里云CLI插件，该Skill提供了一个统一的命令行界面来管理评估工作流。用户可以创建和保存评估器（evaluator）及其技能（skill），对单个样本进行快速测试，或基于追踪（trace）及数据集进行批量运行。任务启动后支持轮询状态，并可便捷地查看和分析评估结果。此外，它能从阿里云日志服务（SLS）中提取数据，帮助分析评估质量并定位低分案例。
它非常适合智能体开发者、AI应用工程师以及需要对自动化工作流进行质量评估和监控的运维人员。无论是开发新的智能体技能，还是对现有AgentLoop进行迭代优化，都需要一套可靠的评估体系来保证其性能和可靠性。
使用建议：在正式进行大规模评估前，建议先使用“安全预览”和“单样本测试”功能验证评估器配置的正确性。对于持续集成场景，可以结合CLI命令将评估任务集成到自动化流程中。注意，该Skill深度集成阿里云生态，使用前需确保已配置好相应的阿里云CLI环境与权限。
核心特点
深度集成阿里云CLI与日志服务（SLS），提供从评估任务编排、安全预览、批量运行到基于日志的低分案例诊断的端到端闭环管理，而非仅提供简单的测试运行功能。
注意事项
该Skill主要面向阿里云生态的用户，不适用于其他云平台或完全离线的评估场景。
常见问题
如何查看评估任务的详细结果？
任务运行完成后，可通过CLI命令直接查看结果摘要，或配置从SLS日志服务中提取更详细的评估数据和低分案例进行分析。
能否用自然语言创建评估器？
可以，该Skill支持通过自然语言指令来创建或更新评估器（evaluator）及评估器技能（evaluator-skill），简化配置过程。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/alibabacloud-agentloop-evaluation/raw/index.md 读取 alibabacloud-agentloop-evaluation 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/alibabacloud-agentloop-evaluation/raw/index.md（查看排版版本）