AgentGrade
先写量规，再跑评测包
决策支持主题 — 不是认证、CMP 徽章或法律意见。
AgentGrade — 定义
AgentGrade is an evaluation harness for AI agents that scores trajectories against task rubrics, safety checks, and regression sets, so teams can gate releases on measured quality instead of vibes.
它不是什么
- 不是基准实验室、模型排行榜或通过证书。
- 不保证分数适用于每一种 harness，也不保证高分等于可以上生产。
- 不是策略引擎、渗透测试套件或合规证书。
控制者 / 处理者 — 轨迹涉及个人数据时，把分数当作决策支持，并遵守你自己的隐私流程。
控制变化。评分标准会中断。
一次性清单
每次监管更新都可能让智能体工具、数据类别与升级路径不同步。
只有离线
当 PDF 与智能体运行时分离时，盲点会在生产中暴露。
只有在线
为每个领域手工改清单，会悄悄消耗工程与合规时间。
过度承诺的工具
缺口往往要到审计、事故或客户问卷时才暴露。
描述。评分。行动。
决策支持等级 — 不是通过证书。
可迁移的量规
智能体运行时可评估的条件 + 动作规则。
离线加在线视角
人类可读的职责，便于负责人在上线前发现缺口。
给团队用的流程
高风险义务的主题指针 — 不是合格认证。
演示与实时分开标注
可接入护栏或中间件的结构化输出。
首次评分所需的一切
为需要评估标准审查的代理开发团队而设计
质量分
智能体运行时可评估的条件 + 动作规则。
忠实度检查
人类可读的职责，便于负责人在上线前发现缺口。
任务成功率
高风险义务的主题指针 — 不是合格认证。
可导出量规
可接入护栏或中间件的结构化输出。
AgentGrade — 工作原理
粘贴
粘贴策略文本并选择域。
编码
生成可调用检查和验证错误列表。
执行
将规则集成到AgentGrade运行时；保留人类处理例外。
描述。评分。行动。
决策支持等级 — 不是通过证书。
一次性清单
每次监管更新都可能让智能体工具、数据类别与升级路径不同步。
可迁移的量规 — 智能体运行时可评估的条件 + 动作规则。
就在本页试用
or generate below.
已保存的历史记录
暂不展示客户证言，刻意如此
我们不公布客户数量，也不编造引语。运行工具，读取一份真实的评估报告——这就是我们的证明。
按三个维度为轨迹打分
质量、忠实度和任务成功——无需付费即可试一次带标注的演示。
可以对照的通过率
每次运行返回评分卡、运行编号和规则集版本，使各次发布可以对照。
诚实的评测限额
免费每天 3 次 · 每月 15 次；Pro 每天 40 次 · 每月 300 次。没有隐藏上限。演示模式有标注。不是通过证书。
诚实边界
AgentGrade 制定等级。无认证代理永远不会失败。
定价
付费方案都包含
- 策略到规则工作室
- 合规清单导出
- 轨迹评分卡（质量、忠实度、任务成功）
- 付费方案含邮件支持 — 核心工作室无隐藏附加费
- 有限的每日 AI 运行（每天 3 次 · 每月 15 次）
- 工作室演示（无额外 LLM 费用）
- 含 AI：每天 40 次 · 每月 300 次（合理使用）
- CSV/JSON 导出 · 公平使用成本护栏
- 优先支持 · 年付省 2 个月
Feature comparison
What each plan includes — quotas reflect the enforced fair-use limits.
| 维度 | Free | Pro | Enterprise |
|---|---|---|---|
| 用量 | |||
| AI 运行次数 | 3/day · 15/mo | 40/day · 300/mo | 200/day · 3,000/mo |
| 报告导出 | 带水印 | 无水印导出 | 无水印导出 |
| 审计日志 | 不包含 | ✓ 包含 | ✓ 包含 |
| 产品 | |||
| Quality score | ✓ 包含 | ✓ 包含 | ✓ 包含 |
| Faithfulness check | ✓ 包含 | ✓ 包含 | ✓ 包含 |
| Task-success rate | ✓ 包含 | ✓ 包含 | ✓ 包含 |
| Regression-aware flag | ✓ 包含 | ✓ 包含 | ✓ 包含 |
| BYOK（自带 LLM 密钥） | 不包含 | 不包含 | ✓ |
| SSO | 不包含 | 不包含 | 规划中 |
| 支持与合规 | |||
| 支持 | 社区 | 优先支持 | 定制 SLA |
已经付款？用您的许可证解锁 Pro
Licenses are issued manually after your payment is confirmed: we generate one per paid order and send it to the purchase email, typically within a few hours. Enter it below to activate Pro on this device — no account needed. Nothing yet? Write to lixingliangsy@163.com and reference your order email.
常见问题
AgentGrade评分的内容是什么？
Agent运行在可移植的评分标准上——离线和在线镜头。决策支持评分，而不是认证代理永远不会失败。
这是法律意见或认证吗？
不是。输出是决策支持评分。设发布门禁前请评测负责人复核。我们不证明智能体永不失败。
可以随时取消吗？
是的。自助服务计划可以随时取消，访问权限将继续有效直到期末。
开始使用需要信用卡吗？
不。您可以通过电子邮件注册或在工作室中使用 Demo 模式开始使用，然后在准备好升级时进行升级。
我是否需要自己的 ChatGPT / OpenAI 订阅?
免费/专业版无限制。AI运行次数包含在您的计划中（合理使用）通过我们的平台密钥。企业版可以选择自带OpenAI密钥（BYOK）— 在/settings中配置（密钥仅存储在服务器端）。
什么是合理使用/如果我达到AI限制?
免费为每天 3 次、每月 15 次。Pro 为每天 40 次、每月 300 次。达到合理使用上限后，工作室会返回带标注的演示结果，直到日或月重置——更大用量可用企业版 BYOK。
结账安全吗？
付款递当用 Waffo Pancake (商品依资)。
我付款后么个发现？
你当前获取认论确认，带户于了webhook + 订单日志。
快速回答
- 质量分
- 忠实度检查
- 任务成功率
- 可导出评估量规
- 定价从 $0（免费档）起。
更多问题
什么输入?
代理描述加上样本运行/评估笔记。
认证?
否。决策支持评分——不是通过证书。
离线与在线?
离线包压力场景；在线监视实时漂移。
演示与实时?
演示是标记的；实时叙述需要配置的AI密钥。
适合谁?
需要基于评分标准的审查的代理交付团队。
主要来源?
代理评估实践笔记——决策支持框架。
对比一览
| 维度 | 手工方式 | AgentGrade |
|---|---|---|
| 量规 | 临时感觉检查 | 可重复的质量 + 忠实度分数 |
| 一致性 | 因评审者而异 | 每次同一评估包 |
| 输出 | Slack 意见 | 可导出记分卡 |
| 最适合 | 完整离线基准套件 | 首轮代理质量分诊 |
何时不宜使用： 勿把 AgentGrade 当作生产 SLA 证书——它是评估决策支持。
- 可迁移的评估量规 — 可跨提示复用的分数。
- 第一波上线 — AgentGrade 属代理运维簇。
- 离线评测对照在线监测 — 评测包和实时轨迹回答的是不同问题。
大家还在搜
点击选项卡展开；再次点击隐藏。所有内容仍留在页面上，供搜索引擎抓取。
今天就开始执行智能体策略
加入使用 AgentGrade 的团队。可免费试用 — 无需银行卡。
可信 · 随时取消