評估結果欄位說明 - AgentLoop

AgentLoop 評估任務執行完成後，每個評估器的結果會以一條日誌的形式寫入您 AgentSpace 對應的 SLS Project 下的 evaluation_detail Logstore。本文描述該 Logstore 中各欄位的含義與類型。

名詞解釋

以下欄位在每條評估結果日誌中均存在。

欄位名	類型	說明
timestamp	long	評估結果產生時間，毫秒時間戳記。
task_id	text	評估任務 ID。
eval_id	text	單條評估結果的唯一 ID。
eval_base_id	text	評估資料 ID，用於串聯評估隊列與結果記錄。
run_id	text	本次運行 ID。
window_id	text	持續評估視窗 ID，僅持續評估模式下有值。
user_id	long	使用者識別碼。
region_id	text	地區（Region）。
agentSpace	text	AgentSpace 標識。
status	text	評估狀態：`success`（成功）、`failed`（失敗）、`unknown`（未知）。

描述本條評估結果所屬的任務和運行上下文。

欄位名	類型	說明
task_name	text	評估任務名稱。
task_mode	text	任務模式。取值：`batch`（批量）、`oneshot`（單次）、`stream`（流式）。
run_name	text	運行名稱。
run_type	text	運行類型。取值：`backfill`（回填）、`continuous`（持續）。
channel	text	任務來源。取值：`default`（預設）、`experiment`（實驗）、`AgentRun`（Agent 運行觸發）。
data_start_time	long	本次啟動並執行資料範圍開始時間，毫秒時間戳記。
data_end_time	long	本次啟動並執行資料範圍結束時間，毫秒時間戳記。
eval_latency	long	從運行建立到結果產出的端到端耗時，單位：毫秒。

描述單個評估器的打分、判定和解釋資訊。

欄位名	類型	說明
evaluator_name	text	評估器名稱。
evaluator_display_name	text	評估器顯示名稱。
score_name	text	分數名稱，用於標識評估器產出的指標項。
score_value	double	評估器原始分數值。
normalized_score_value	double	歸一化分數（0～1）。僅在評估器配置了分數範圍時有值。
score_range	text	原始分數範圍，格式為 `[min,max]`。
result_type	text	結果類型。取值：`score`（數值打分）、`binary`（二值判定）、`text`（文本）。
explanation	text	評分說明，面向使用者的可讀解釋。
evaluation_process	text	分數與說明的推導過程。
trajectory_summary	text	Session 逐輪軌跡摘要，僅相關評估結果寫入。

當評估狀態為 failed 時，以下欄位記錄失敗原因。

data_link 為 JSON 類型欄位，記錄被評估資料的關聯資訊，用於追溯評估結果對應的未經處理資料來源。

欄位名	類型	說明
dataset_id	text	資料集 ID。
dataset_item_id	text	資料集中的資料條目 ID。
trace_id	text	被評估資料的 Trace ID。
span_id	text	被評估資料的 Span ID。
session_id	text	被評估資料的 Session ID。
experiment_id	text	實驗 ID。
service_id	text	被評估應用 ID。
service_name	text	被評估應用程式名稱。
agent_name	text	被評估 Agent 名稱。
data_scope	text	資料粒度。取值：`span`、`trace`、`session`、`log`、`dataset`。
start_time	text	被評估資料的時間範圍起始。
end_time	text	被評估資料的時間範圍結束。
plan_id	text	實驗計劃 ID。
project	text	日誌資料來源 SLS Project。
logstore	text	日誌資料來源 SLS Logstore。
logstore_item_id	text	日誌條目 ID。
experiment_group_name	text	實驗分組名稱。
plan_name	text	實驗計劃名稱。
record_id	text	記錄 ID。
record_name	text	記錄名稱。
run_env	text	運行環境。

eval_meta 為 JSON 類型欄位，記錄評估器執行過程中的調用元資訊。

欄位名	類型	說明
model_name	text	評估使用的模型名稱。
evaluator_request_id	text	評估器調用請求 ID。
evaluator_trace_id	text	評估器自身執行的 Trace ID（非被評估資料的 trace_id）。
evaluator_log_id	text	評估器調用日誌 ID。
evaluator_thread_id	text	評估器會話 Thread ID。

eval_metrics 為 JSON 類型欄位，記錄評估器執行的 Token 消耗與耗時資訊。

eval_info 為 JSON 類型欄位，記錄實際送入評估器的變數內容。欄位 Key 對應評估器 variableMapping 中定義的變數名，Value 為該變數的實際取值。

樣本：若評估器配置了如下變數映射：

{
  "variableMapping": {
    "input": "question",
    "expected": "label"
  }
}

則 eval_info 中將包含：

{
  "input": "question 欄位的實際值",
  "expected": "label 欄位的實際值"
}

custom_outputs 為 JSON 類型欄位，儲存評估器標準結果之外的自訂輸出。欄位結構由評估器定義，無固定 Schema。