用 Strands Evals 和 Amazon Bedrock AgentCore 评估技能型智能体

智能体回答流利不代表它选对了技能或按步骤执行。文章演示如何用 Strands Evals 和 Amazon Bedrock AgentCore Evaluations 两个工具，分别衡量技能选择（skill selection）和指令遵循（instruction following）两项指标。技能（Skills）是把领域流程编码为可复用指令的机制，评估它需要专门的方法。读者可以按文中流程搭建自己的智能体评估管道。