evaluations

路由评估请求

这是一项兼容性技能。请勿使用此技能构建实验、监控或护栏。

对用户意图进行分类：

意图	正确的技能
批量测试数据集、比较提示词或模型、进行基准测试、创建 CI 质量门禁	experiments
对实时轨迹或会话评分、监控生产环境质量、创建护栏	online-evaluations

如果查看上下文后仍无法确定请求意图（例如，仅说“帮我做个评估”，既未提及数据集，也未提及实时流量），请暂时不要创建任何内容。选择要测试的对象应由用户决定，而不是采用默认选项。请将其作为问题卡片提出并停止；用户会在下一条消息中回答。

在 Langy 中，使用 question 工具提出这个问题并停止；选项应是具体的备选项，例如“部署前测试数据集”和“实时生产流量”。在其他地方，请用一行简短的文字提出同样的问题。

被拒绝的字段值不属于这类选择。如果创建操作随后失败，并返回 validation_error，且原因指出了字段和 expected 列表，请根据列表修正该字段，然后重试一次。切勿把可修正的 slug 变成一个问题让用户回答。

然后移交：

1. 如果存在正确的配套技能，请加载该技能并遵循其指引，不要继续执行此处的内容。

2. 如果缺少 experiments，请告知用户通过以下方式安装：

   npx [email protected] add langwatch/skills/experiments
   

3. 如果缺少 online-evaluations，请告知用户通过以下方式安装：

   npx [email protected] add langwatch/skills/online-evaluations
   

不要凭记忆重现配套技能的指引。请加载专门的技能，以使用其当前的工作流、安全检查和验证步骤。