擷取單元
情境會在擷取單元中執行，並可透過strace或Tetragon風格的JSONL追蹤紀錄進行觀測。
AgentsEval
針對安全性、能力與可靠性的AI代理評估
AgentsEval以已擷取的追蹤紀錄、確定性情境、重播支援與ship/watch/fail判定來評估AI代理的行為。它是針對特定情境與原則的可靠性證據，而不是廣泛的安全認證或通用基準測試。
什麼是AgentsEval？
AgentsEval是一套AI代理評估框架，依據系統呼叫、檔案、網路、意圖、工作區與最終答案等證據，為已擷取的執行評分。它將多次執行彙總為限定範圍的判定，讓團隊能根據觀察到的行為，決定升級、觀察或拒絕某個代理版本。
評估流程
已擷取的行為轉化為限定範圍的判定。
- 情境
- 擷取單元
- 系統呼叫追蹤
- 檔案／網路差異
- 評分器
- 彙總判定
安全性證據
安全規則會檢查超出範圍的檔案、破壞性指令、未獲允許的對外連線、權限提升、複合式注入，以及對測試檔案的編輯。
能力證據
能力規格會檢查預期的指令、輸出、HTTP活動、最終答案與對工作區的影響。
重播代理伺服器
確定性的錄製／重播代理伺服器（proxy）支援迴歸測試，未命中時不會悄悄改用線上供應商。
營運成果
可以根據已擷取的行為來升級、觀察或拒絕代理版本，而不是只靠審查提示詞。
經過審核的判定資產
這些複製而來的JSON檔案，是取自本機情境庫評估輸出的小型佐證產物。它們展示的是分級行為，而不是通用的代理認證。
AgentsEval的宣稱界線
這是代理基準測試嗎？
它可以執行可重複的情境並彙總結果，但對外文案應描述具體的情境庫與已擷取執行的框架，而不是暗示它是通用基準測試。
它會認證安全性嗎？
不會。它針對已設定的原則、追蹤紀錄與情境，產出有原始碼佐證的發現與判定。
洽談代理評估
為您的代理版本設計情境庫、擷取邊界、重播需求與升級關卡。
架構討論
告訴我們您的團隊需要掌控什麼
請說明您的部署邊界、代理數量、工作介面與治理需求。我們會以電子郵件回覆，安排一場聚焦的技術討論。
寄信給Bewize團隊這會開啟您的電子郵件應用程式。請參閱我們的 隱私權政策。