查看实验与结果

eval experiment 命令组（别名 exp）用于查看由 eval run 提交的实验：列出实验、查看某个实验的状态与汇总分数、拉取逐条结果。TEA 后端会在详情中展示目标、评估器版本、聚合分数和字段映射；Coze 后端继续按项目查询实验。

--project 只用于 Coze 评测后端；TEA 后端会忽略该参数。

eval experiment list

列出项目或工作区下的实验：ID、名称、状态、开始时间、创建人和汇总分数。

标志/参数	说明	默认值
`-p, --project <name>`	Coze 项目名称；TEA 后端忽略。	`default`
`--json`	输出原始 JSON。	`false`

agentkit eval experiment list

agentkit eval exp list --json

eval experiment show

查看某个实验的详情：状态、评测集、目标、评估器、汇总分数和字段映射。get 是 show 的别名。

标志/参数	说明	默认值
`<id>`	实验 ID。	必填
`-p, --project <name>`	Coze 项目名称；TEA 后端忽略。	`default`
`--json`	输出原始 JSON。	`false`

agentkit eval experiment show 75901xxxxxxxxxxxxx
agentkit eval experiment get 75901xxxxxxxxxxxxx

ID              75901xxxxxxxxxxxxx
Name            qa-set-<timestamp>
Status          Success
Dataset         qa-set (75900xxxxxxxxxxxxx)
Target          my-agent
Overall score   1.00

Evaluators:
  相关性 @0.0.1  avg 1.00
    1.00: 2 (100%)

Field mappings:
  target: user_input <- dataset.input
  相关性: output <- target.actual_output, reference_output <- dataset.reference_output

eval experiment results

拉取逐条结果：每条评测集用例、目标输出、以及各评估器的分数与理由。

标志/参数	说明	默认值
`<id>`	实验 ID。	必填
`-p, --project <name>`	Coze 项目名称；TEA 后端忽略。	`default`
`--limit <n>`	每页条数；上限为 20。	`20`
`--page <n>`	页码。	`1`
`--json`	输出原始 JSON。	`false`

agentkit eval experiment results 75901xxxxxxxxxxxxx --json

实验状态

状态	含义
`Success`	所有用例执行完成。
`Failed`	有用例执行失败，例如目标未响应。
`Draining` / `Processing`	仍在执行中。

用例失败时，先读取逐条结果中的错误，再检查目标就绪状态、鉴权、字段映射与评判模型。实验汇总未提供错误原因，不代表评测配置已正确。

实验 ID 来自 eval run 或 experiment list。show 不会持续等待实验结束，Processing 时应稍后再次查询；results 默认只返回第一页，完整分析时需按 --page 逐页读取

agentkit eval experiment results <experiment-id> --page 2 --limit 20 --json

逐条结果可能包含用例原文、目标输出和评分理由，应按评测数据的访问范围保存和共享。Success 表示执行结束，不表示所有分数都达到业务要求

开始使用

AI-Friendly

命令参考

eval experiment list

eval experiment show

eval experiment results

实验状态

​eval experiment list

​eval experiment show

​eval experiment results

​实验状态

eval experiment list

eval experiment show

eval experiment results

实验状态