编程智能体与代码 · 工具介绍
Opik
记录智能体工具调用与模型运行链，并利用数据集和实验评估应用输出。
Opik 能做什么
记录智能体工具调用与模型运行链，并利用数据集和实验评估应用输出。
- 语言模型与智能体质量评估及回归检查
如何使用 Opik
评估智能体任务输出
准备输入
- 测试数据集
- 智能体运行记录
- 评价规则
操作步骤
- 将应用调用记录接入 Opik，并准备任务样例与判断输出好坏的标准。
- 运行智能体任务，查看模型与工具调用的完整链路。
- 在同一批样例上开展评估实验，比较配置改动对任务结果的影响。
预期交付物
- 运行链
- 评估结果
检查评价规则和样本代表性，人工复核异常评分。
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Opik
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。
