UIP-Agent-Auswertung

uip agent eval ist die Auswertungsbefehlsgruppe. Es verwaltet Auswerter, Auswertungssätze und Testfälle auf der Festplatte und führt Auswertungsausführungen für den Agent Runtime-Dienst aus. Darunter befinden sich vier Unterbefehlsstrukturen:

• uip agent eval evaluator … – Auswerter verwalten (evals/evaluators/*.json).
• uip agent eval set … – Verwalten Sie Auswertungssätze (evals/eval-sets/*.json).
• uip agent eval add | list | remove – Verwalten Sie Testfälle (Evaluierungen) innerhalb eines Evaluierungssatzes.
• uip agent eval run … – Starten, Überwachen, Auflisten und Vergleichen von Bewertungsläufen mit dem Runtime-Dienst des Agents.

Alles außer uip agent eval run * ist nur lokal. Die run -Unterbefehle erfordern eine aktive CLI-Sitzung (uip login) und dass der Agent bereits an Studio Web gepusht wurde (über uip agent push) oder dass Sie --solution-id explizit übergeben.

Alle uip agent eval -Unterbefehle berücksichtigen die globalen Optionen (--output, --output-filter, --log-level, --log-file). Austrittscodes folgen dem Standardvertrag.

Zusammenfassung

uip agent eval evaluator add    <name> --type <type> [--description <d>] [--prompt <p>] [--target-key <k>] [--path <dir>]
uip agent eval evaluator list                                                                                 [--path <dir>]
uip agent eval evaluator remove <id>                                                                           [--path <dir>]

uip agent eval set add    <name>  [--evaluators <ids>]                                                         [--path <dir>]
uip agent eval set list                                                                                         [--path <dir>]
uip agent eval set remove <id>                                                                                  [--path <dir>]

uip agent eval add    <name> --set <name> --inputs <json>
                              [--expected <json>] [--expected-agent-behavior <text>]
                              [--simulation-instructions <text>]
                              [--simulate-input] [--simulate-tools]
                              [--input-generation-instructions <text>]
                              [--path <dir>]
uip agent eval list   --set <name>                                                                              [--path <dir>]
uip agent eval remove <id> --set <name>                                                                         [--path <dir>]

uip agent eval run start   --set <name> [--solution-id <id>] [--wait] [--timeout <s>]                           [--path <dir>]
uip agent eval run status  <evalSetRunId> --set <name>                                                          [--path <dir>]
uip agent eval run results <evalSetRunId> --set <name> [--only-failed] [--verbose] [--export-format <json|csv>] [--path <dir>]
uip agent eval run list    --set <name>                                                                         [--path <dir>]
uip agent eval run compare <evalSetRunId> --compare-to <id> --set <name>                                        [--path <dir>]

UIP-Agent-Auswertung

Verwalten Sie Evaluierer – die Evaluierer, die die Ausgabe eines Agents bewerten.

eval-Auswerter hinzufügen

Argumente

• <name> (erforderlich) – Name des Auswerters. Wird als Standarddateiname verwendet.

Optionen

Markieren	Standard	Erforderlich	Zweck
--type <type>	–	ja	Auswertertyp. Bekannte Werte sind SemanticSimilarity, Trajectory und LLM-as-judge; Führen Sie uip agent eval evaluator add --help für die vollständige Liste aus, die von Ihrer Installation unterstützt wird.
--description <desc>	–		Freitextbeschreibung.
--prompt <prompt>	–		Benutzerdefinierter Auswertungsprompt (für Prompt-basierte Auswerter).
--target-key <key>	–		Zielausgabeschlüssel, für den ausgewertet werden soll.
--path <path>	.		Pfad zum Agent-Projektverzeichnis.

Beispiel

uip agent eval evaluator add content-check \
  --type SemanticSimilarity \
  --path ./my-agent

Data shape (--output json)

{
  "Code": "AgentEvaluatorAdd",
  "Data": {
    "Status": "Evaluator added",
    "Name": "content-check",
    "Type": "SemanticSimilarity",
    "Id": "a1b2c3d4-0000-0000-0000-000000000130",
    "File": "content-check.json"
  }
}

eval-Auswerterliste

Optionen

• --path <path> (default .)

Datenform

{
  "Code": "AgentEvaluatorList",
  "Data": [
    { "Name": "content-check", "Type": "SemanticSimilarity", "Id": "…", "File": "content-check.json" }
  ]
}

Leere Projekte geben Data: { "Message": "No evaluators configured" } zurück.

Evaluierungsauswerter entfernen

Argumente

• <id> — evaluator ID or name.

Optionen

• --path <path> (default .)

Datenform

{ "Code": "AgentEvaluatorRemove", "Data": { "Status": "Evaluator removed", "Id": "content-check" } }

UIP-Agent-Auswertungssatz

Auswertungssätze verwalten – benannte Sammlungen von Testfällen sowie die Auswerter, die sie bewerten sollen.

Evaluierungssatz hinzufügen

Argumente

• <name> — evaluation-set name.

Optionen

Markieren	Standard	Zweck
--evaluators <ids>	alle Auswerter im Projekt	Durch Kommas getrennte Auswerter-IDs.
--path <path>	.	Pfad zum Agent-Projektverzeichnis.

Beispiel

uip agent eval set add smoke-tests \
  --evaluators a1b2c3d4-0000-0000-0000-000000000130,a1b2c3d4-0000-0000-0000-000000000131 \
  --path ./my-agent

Datenform

{
  "Code": "AgentEvalSetAdd",
  "Data": {
    "Status": "Evaluation set created",
    "Name": "smoke-tests",
    "Id": "a1b2c3d4-0000-0000-0000-000000000110",
    "Evaluators": 2
  }
}

Evaluierungssatzliste

Optionen

• --path <path> (default .)

Datenform

{
  "Code": "AgentEvalSetList",
  "Data": [
    { "Name": "smoke-tests", "Id": "…", "Evaluations": 5, "Evaluators": 2 }
  ]
}

Evaluierungssatz entfernen

Argumente

• <id> — eval-set ID or name.

Optionen

• --path <path> (default .)

UIP-Agent eval add | Liste | Entfernen (Testfälle)

Verwalten Sie die Testfälle (Evaluierungen) innerhalb eines Satzes. Diese Unterbefehle befinden sich direkt unter eval, nicht unter eval set.

eval-Add

Argumente

• <name> — test-case name.

Optionen

Markieren	Standard	Erforderlich	Zweck
--set <name>	–	ja	Name oder ID des Auswertungssatzes.
--inputs <json>	–	ja	Geben Sie Werte als JSON-Zeichenfolge ein. Geparst; eine ungültige JSON schlägt schnell fehl.
--expected <json>	–		Erwartete Ausgabe als JSON.
--expected-agent-behavior <text>	–		Erwartete Verhaltensbeschreibung für Verlaufsauswerter (z. B. "Must call Web Search tool").
--simulation-instructions <text>	–		Anweisungen zur Simulation des Agent-Verhaltens während der Auswertung.
--simulate-input	aus		Aktivieren Sie die Eingabesimulation für diesen Testfall.
--simulate-tools	aus		Aktivieren Sie die Tool-Simulation für diesen Testfall.
--input-generation-instructions <text>	–		Anweisungen zum synthetisieren von Eingaben.
--path <path>	.		Pfad zum Agent-Projektverzeichnis.

Beispiel

uip agent eval add simple-greeting \
  --set default \
  --inputs '{"input":"hello"}' \
  --expected '{"content":"world"}' \
  --path ./my-agent

Datenform

{
  "Code": "AgentEvalAdd",
  "Data": {
    "Status": "Evaluation added",
    "Name": "simple-greeting",
    "Id": "a1b2c3d4-0000-0000-0000-000000000120",
    "Set": "default"
  }
}

evaluierungsliste

Optionen

• --set <name> (required)
• --path <path> (default .)

Datenform

{
  "Code": "AgentEvalList",
  "Data": [
    {
      "Name": "simple-greeting",
      "Id": "…",
      "Inputs": "{\"input\":\"hello\"}",
      "Expected": "{\"content\":\"world\"}",
      "ExpectedBehavior": "-"
    }
  ]
}

Evaluierung entfernen

Argumente

• <id> — evaluation ID or name.

Optionen

• --set <name> (required)
• --path <path> (default .)

Ausführung der UIP-Agent-Auswertung

Ausführen, Überwachen und Vergleichen von Auswertungsläufen über den Agent Runtime-Dienst (EvalsTenantExecutionApi). Erfordert uip login.

Start der Evaluierungsausführung

Starten Sie eine Auswertungsausführung. Der Agent muss sich bereits in Studio Web befinden (uip agent push) – entweder --solution-id explizit übergeben oder auf SolutionStorage.json angewiesen sein, was push automatisch schreibt.

Optionen

Markieren	Standard	Erforderlich	Zweck
--set <name>	–	ja	Name oder ID des Auswertungssatzes.
--solution-id <id>	Von SolutionStorage.json		ID der Cloud-Lösung. Wenn keine Angabe erfolgt, liest der Befehl SolutionStorage.json aus dem Projekt; wenn keines von beiden verfügbar ist, tritt ein Fehler auf.
--path <path>	.		Pfad zum Agent-Projektverzeichnis.
--wait	aus		Abfragen, bis die Ausführung abgeschlossen ist, und dann Zusammenfassungszeilen pro Testfall ausgeben.
--timeout <seconds>	600		Maximale Sekunden für eine Abfrage, wenn --wait festgelegt ist.

Beispiel

uip agent eval run start --set default --path ./my-agent --wait

Data shape — kickoff (Code: "AgentEvalRunStarted"):

{
  "Code": "AgentEvalRunStarted",
  "Data": {
    "EvalSetRunId": "a1b2c3d4-0000-0000-0000-000000000101",
    "EvalSetName": "default",
    "TestCases": 5,
    "Evaluators": 2
  }
}

Mit --wait folgen nach der Abfrage zwei zusätzliche Nutzlasten:

• Code: "AgentEvalRunCompleted" – Zusammenfassung (Status, Score, Duration, EvaluatorScores, TestCases).
• Code: "AgentEvalRunResults" – Zeilen pro Testfall (dieselbe Form wie eval run results).

Status der Evaluierungsausführung

Rufen Sie den Status einer laufenden oder abgeschlossenen Ausführung ab.

Argumente

• <evalSetRunId> — run ID from eval run start.

Optionen

• --set <name> (required)
• --path <path> (default .)

Datenform

{
  "Code": "AgentEvalRunStatus",
  "Data": {
    "EvalSetRunId": "…",
    "Status": "completed",
    "Score": 0.86,
    "Duration": "42.5s",
    "EvaluatorScores": "semantic: 0.9, trajectory: 0.82"
  }
}

Ergebnisse der Evaluierungsausführung

Rufen Sie Ergebnisse pro Testfall ab.

Argumente

• <evalSetRunId>.

Optionen

Markieren	Standard	Erforderlich	Zweck
--set <name>	–	ja	Name oder ID des Auswertungssatzes.
--path <path>	.		Pfad zum Agent-Projektverzeichnis.
--only-failed	aus		Nur fehlgeschlagene oder fehlerhafte Testfälle anzeigen.
--verbose	aus		Rechtfertigungen der Auswerter in die Ausgabe einschließen.
--export-format <json|csv>	–		Schreiben Sie die formatierten Zeilen in eval-results-<timestamp>.(json|csv) , anstatt sie zu drucken.

Beispiel

uip agent eval run results <evalSetRunId> --set default --verbose --only-failed

Data shape (inline — no export):

{
  "Code": "AgentEvalRunResults",
  "Data": [
    {
      "TestCase": "simple-greeting",
      "Status": "completed",
      "Score": 1,
      "EvaluatorScores": "semantic: 0.95",
      "Tokens": 320,
      "Duration": "1.8s",
      "Error": "-"
    }
  ]
}

Wenn --export-format festgelegt ist, wird die Nutzlast zu Code: "AgentEvalRunExported" mit Format, File und Records.

evaluierungsausführungsliste

Listen Sie alle Ausführungen für einen bestimmten Auswertungssatz auf.

Optionen

• --set <name> (required)
• --path <path> (default .)

Datenform

{
  "Code": "AgentEvalRunList",
  "Data": [
    {
      "EvalSetRunId": "…",
      "Status": "completed",
      "Score": 0.86,
      "TestCases": 5,
      "Duration": "42.5s",
      "EvaluatorScores": "semantic: 0.9, trajectory: 0.82",
      "CreatedAt": "2025-04-15T10:30:00Z"
    }
  ]
}

Evaluierungsausführungsvergleich

Vergleichen Sie zwei Ausführungen nebeneinander. Nützlich für A/B-Testaufforderung oder Modelländerungen.

Argumente

• <evalSetRunId> — first (baseline) run ID.

Optionen

Markieren	Standard	Erforderlich	Zweck
--compare-to <id>	–	ja	ID der zweiten Ausführung, mit der verglichen werden soll.
--set <name>	–	ja	Name oder ID des Auswertungssatzes.
--path <path>	.		Pfad zum Agent-Projektverzeichnis.

Data shape (Code: "AgentEvalRunComparison")

{
  "Code": "AgentEvalRunComparison",
  "Data": {
    "RunA": { "Id": "…", "Score": 0.86, "Status": "completed" },
    "RunB": { "Id": "…", "Score": 0.80, "Status": "completed" },
    "ScoreDelta": 0.06,
    "TestCases": [
      { "TestCase": "simple-greeting", "ScoreA": 1, "ScoreB": 0.9, "Delta": "+0.1", "StatusA": "completed", "StatusB": "completed" }
    ]
  }
}

Zugehörig

• uip agent push – muss vor eval run start ausgeführt werden (es sei denn, --solution-id wird angegeben).
• uip agent validate – Der Standardauswertungssatz und die Evaluierer werden von init erstellt; validate hält sie konsistent.
• uip agent run – Führen Sie den Agent als Orchestrator-Auftrag aus; sich von einer Agent Runtime-Bewertungsausführung unterscheidet.

Siehe auch

• Authentifizierung – Sitzungen und Tokenvalidität für die eval run -Unterbefehle.
• Globale Optionen, Exitcodes.