本文結合 LangChain 評估深度智慧體的經驗和 Anthropic 的 AI 智慧體評估指南，提供了實用指南。您將學習如何應用五種評估模式、使用 pytest 和 LangSmith 構建離線評估，以及配置生產環境的線上監控。文中以文本到 SQL 的深度智慧體為例，使用 Amazon Bedrock 覆蓋從開發到生產的完整生命週期。

將快速變化的線上訊號與穩定的離線基線相結合，智慧體評估最為有效。Amazon Bedrock AgentCore的資料集管理提供了版本化的測試固定元件，實現一致測量和真實情況驗證。