评估结果字段说明-Agent 观测与优化 AgentLoop(AgentLoop)-阿里云帮助中心

AgentLoop 评估任务执行完成后，每个评估器的结果会以一条日志的形式写入您 AgentSpace 对应的 SLS Project 下的 evaluation_detail Logstore。本文描述该 Logstore 中各字段的含义与类型。

名词解释

以下字段在每条评估结果日志中均存在。

字段名	类型	说明
timestamp	long	评估结果产生时间，毫秒时间戳。
task_id	text	评估任务 ID。
eval_id	text	单条评估结果的唯一 ID。
eval_base_id	text	评估数据 ID，用于串联评估队列与结果记录。
run_id	text	本次运行 ID。
window_id	text	持续评估窗口 ID，仅持续评估模式下有值。
user_id	long	用户 ID。
region_id	text	地域（Region）。
agentSpace	text	AgentSpace 标识。
status	text	评估状态：`success`（成功）、`failed`（失败）、`unknown`（未知）。

描述本条评估结果所属的任务和运行上下文。

字段名	类型	说明
task_name	text	评估任务名称。
task_mode	text	任务模式。取值：`batch`（批量）、`oneshot`（单次）、`stream`（流式）。
run_name	text	运行名称。
run_type	text	运行类型。取值：`backfill`（回填）、`continuous`（持续）。
channel	text	任务来源。取值：`default`（默认）、`experiment`（实验）、`AgentRun`（Agent 运行触发）。
data_start_time	long	本次运行的数据范围开始时间，毫秒时间戳。
data_end_time	long	本次运行的数据范围结束时间，毫秒时间戳。
eval_latency	long	从运行创建到结果产出的端到端耗时，单位：毫秒。

描述单个评估器的打分、判定和解释信息。

字段名	类型	说明
evaluator_name	text	评估器名称。
evaluator_display_name	text	评估器显示名称。
score_name	text	分数名称，用于标识评估器产出的指标项。
score_value	double	评估器原始分数值。
normalized_score_value	double	归一化分数（0～1）。仅在评估器配置了分数范围时有值。
score_range	text	原始分数范围，格式为 `[min,max]`。
result_type	text	结果类型。取值：`score`（数值打分）、`binary`（二值判定）、`text`（文本）。
explanation	text	评分说明，面向用户的可读解释。
evaluation_process	text	分数与说明的推导过程。
trajectory_summary	text	Session 逐轮轨迹摘要，仅相关评估结果写入。

当评估状态为 failed 时，以下字段记录失败原因。

data_link 为 JSON 类型字段，记录被评估数据的关联信息，用于追溯评估结果对应的原始数据来源。

字段名	类型	说明
dataset_id	text	数据集 ID。
dataset_item_id	text	数据集中的数据条目 ID。
trace_id	text	被评估数据的 Trace ID。
span_id	text	被评估数据的 Span ID。
session_id	text	被评估数据的 Session ID。
experiment_id	text	实验 ID。
service_id	text	被评估应用 ID。
service_name	text	被评估应用名称。
agent_name	text	被评估 Agent 名称。
data_scope	text	数据粒度。取值：`span`、`trace`、`session`、`log`、`dataset`。
start_time	text	被评估数据的时间范围起始。
end_time	text	被评估数据的时间范围结束。
plan_id	text	实验计划 ID。
project	text	日志数据来源 SLS Project。
logstore	text	日志数据来源 SLS Logstore。
logstore_item_id	text	日志条目 ID。
experiment_group_name	text	实验分组名称。
plan_name	text	实验计划名称。
record_id	text	记录 ID。
record_name	text	记录名称。
run_env	text	运行环境。

eval_meta 为 JSON 类型字段，记录评估器执行过程中的调用元信息。

字段名	类型	说明
model_name	text	评估使用的模型名称。
evaluator_request_id	text	评估器调用请求 ID。
evaluator_trace_id	text	评估器自身执行的 Trace ID（非被评估数据的 trace_id）。
evaluator_log_id	text	评估器调用日志 ID。
evaluator_thread_id	text	评估器会话 Thread ID。

eval_metrics 为 JSON 类型字段，记录评估器执行的 Token 消耗与耗时信息。

eval_info 为 JSON 类型字段，记录实际送入评估器的变量内容。字段 Key 对应评估器 variableMapping 中定义的变量名，Value 为该变量的实际取值。

示例：若评估器配置了如下变量映射：

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

则 eval_info 中将包含：

{
  "input": "question 字段的实际值",
  "expected": "label 字段的实际值"
}

custom_outputs 为 JSON 类型字段，保存评估器标准结果之外的自定义输出。字段结构由评估器定义，无固定 Schema。