编程智能体与代码 · 工具介绍
DeepEval
以测试用例检查模型应用和智能体输出，评估任务完成、回答相关性与幻觉等指标。
DeepEval 能做什么
以测试用例检查模型应用和智能体输出，评估任务完成、回答相关性与幻觉等指标。
- 语言模型与智能体质量评估及回归检查
如何使用 DeepEval
为模型应用建立回归评估
准备输入
- 应用测试接口
- 输入输出样本
- 评价规则
操作步骤
- 把需要保证的模型行为写成测试样例，并选择相应评估指标或断言。
- 对当前应用运行测试，记录各样例的输入、输出和得分。
- 调整应用后复跑同一组测试，查看失败项是否修复且没有新增退化。
预期交付物
- 测试结果
- 失败用例
复核评分依据，并保留可重复运行的测试条件。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从编程智能体与代码角度评估DeepEval
把编程智能体与代码需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
能否读懂上下文
确认工具能够读取所需目录，且不会引入不必要的资料。
改动是否可审查
优先能展示差异、保留原文件和逐步验证的工作方式。
测试能否说明问题
测试应覆盖用户可见行为，不只证明代码能运行。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
