AgentCore Evaluations 评测手册：内置、DeepEval 与 AutoEval 三种方案
The agent evaluation playbook: Built-in, DeepEval, and AutoEval on Amazon Bedrock AgentCore Evaluations
AWS 这篇手册把智能体评测拆成了任务完成、跑题、数据泄露这些具体维度，教你怎么在 AgentCore 上选对评测器。写智能体的开发者可以直接照着搭回归测试，不用再靠肉眼验收。
AWS 在博客中给出了一套针对 Amazon Bedrock AgentCore Evaluations 的智能体评测手册，覆盖内置评测器、DeepEval 和 AutoEval 三种路径。文章指出，判断一个智能体是否正常工作实际上是多个问题：任务是否完成、是否跑题、是否泄露数据、是否跳过必要步骤。
技术上，作者强调要把每类关键行为映射到合适的评测器：任务完成度、主题相关性、数据泄露防护、步骤遵循等维度各有对应的指标和评测层级。DeepEval 与 AutoEval 可与 AgentCore 内置评测器组合使用，形成 CI 流程中的自动化回归测试。
对部署智能体的开发团队而言，这类评测框架能把“感觉能用”变成可量化的指标，与 LangSmith、Braintrust 等评测工具形成互补，适合在生产环境上线前建立评测基线。
The agent evaluation playbook: Built-in, DeepEval, and AutoEval on Amazon Bedrock AgentCore Evaluations
When you deploy an agent, whether it is working is really several questions: did it finish the task, stay on topic, leak data, or skip steps? This post shows how to evaluate agents on Amazon Bedrock AgentCore with built-in, DeepEval, and AutoEval evaluators, and how to match each behavior that matters to the right evaluator at the right level.
本条情报归属 AITOP「论文」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：Amazon Bedrock、AgentCore、DeepEval、智能体，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始信息发布自一手权威信源「AWS Machine Learning Blog」（Tier-1 一手发布），具备高确定性参考价值。