轨迹质量写在仅在线，注意又允许离线选：华为云预置评估器按场景分档

CodexQA 团队2026年9月17日阅读约 3 分钟

华为云 AgentArts 预置评估器按离线、在线和两者都支持分档。代码判定按次计费，模型判定按 Token 计费。表 2 把轨迹质量写成仅在线，注意又说智能体运行时和第三方托管可以在离线任务里选。

轨迹质量写在仅在线，注意又允许离线选：华为云预置评估器按场景分档

华为云智果（AgentArts，华为云的智能体开发平台）预置评估器文档《预置评估器概览》页面标注的更新时间是 2026-09-17 GMT+08:00。页面没有另给首次发布时间。这些评估器用来给智能体和工作流做质量评估，按使用场景分类，可以只支持离线评估、只支持在线评估，或两者都支持。

离线用评测集，在线用真实调用

离线评估：应用上线前，用预设评测集测效果。

在线评估：上线后，系统按真实运行数据（调用链、工具等）自动采样并评估。

费用分两种。代码判定评估器按次计费。模型判定评估器按消耗的 Token 计费。单价不在本页，页面指向另一篇《计费说明》。

两种判定，适用的输出不一样

表 1 把判定原理写成两行：

模型判定：用大模型当裁判，按预设 Prompt 对输出做主观或半主观评分。适用于非确定性、语义理解、开放性输出，例如自然语言生成质量、对话逻辑、创意内容。
代码判定：用确定性代码（正则匹配、JSON 校验、数学计算）做二元判断。适用于格式明确、可执行或可计算的任务，例如数据处理结果比对、数值计算是否准确。

表 2 按能不能上线拆开，但有一条注意和表不一致

页面先写一条注意：离线评估的对象如果是智能体运行时，或第三方托管智能体，可以选择轨迹质量、轨迹-工具参数填充正确性这两类评估器。表 2 却把这两类放在「仅支持在线评估」那一行。页面没有写这两句话哪一句优先。

表 2 的分档是：

仅支持离线、模型判定：参考答案遵从度、Skill 完整度、Skill 相关性、Skill 威胁分析、Skill 声明对齐、Skill 设计质量。Skill 在这里是页面原名，指智能体技能说明的质量，不是本站的技能目录。

仅支持离线、代码判定：文本等值判断、文本包含判断、文本起始子串判断、文本 JSON 格式校验、JSON 相等判断。

仅支持在线、模型判定：轨迹质量、轨迹-工具参数填充正确性、Token 效率。这一行没有列出代码判定评估器。

同时支持离线和在线、模型判定：正确性、AI 味检查、任务完成度、不敏感性、争议性、创意性、工具参数正确性、工具选择质量、幻觉现象、性别歧视、恶意性、指令遵从度、拒答检测、格式检查、语种一致性、文本可用性、安全风险漏放、有害性、有用性、深度性、犯罪性、引用相关性、知识问答-指令遵循、知识问答-真实准确、知识问答-精炼性、知识问答-便捷性、知识问答-丰富度、简洁性、细节丰富度、轮次相关性、知识保持、对话完整性、主题遵从、角色遵从、角色违规、Rubric 评估。

页面没有给评估器总数，也没有写每一项的分数刻度。