亚马逊 Bedrock 在 AgentCore 中引入 DeepEval 和 AutoEval，帮开发者更好测试 AI 智能体

据AWS Machine Learning发布的信息：

评估难题与核心思路

当 AI 智能体上线后，只看运行速度或简单的输出结果远远不够。一个客服智能体虽然解决了问题，却可能在聊天中泄露用户的个人隐私。为了解决这类隐蔽的失败，亚马逊 Bedrock 的 AgentCore 评估功能教大家从实际业务结果出发，把抽象的成功目标拆解为具体的行为，并用对口的评估器来进行打分。

丰富的评估工具库

AgentCore 整合了三种来源的评估器。AWS 自带的工具主要负责检查回答质量、任务完成度和安全性；第三方开源工具 DeepEval 和 AutoEval 则专注于解决多轮对话中的遗漏、记忆丢失和恶意攻击等复杂问题。如果这些还不够，开发者还可以自定义多维度的评估规则，一次性给多个指标打分。

三种灵活的运行模式

为了方便在不同阶段使用，AgentCore 提供了三种运行方式，并且它们都使用完全相同的评估器 ID。开发者可以在开发调试时使用即时评估，在生产环境中进行在线抽样监控，或者在发布新版本前用批处理评估来做回归测试，确保新代码没有引入旧问题。