预置工具（模型测评）

模型测评

评测能力用于比较模型或工作流行为。当前生态中，评测界面位于 Studio，相关 API 位于 monkeys-server。

典型用途

• 比较 prompt、模型或工作流版本。
• 检查生成输出和执行日志。
• 在发布工作流变更前跟踪质量。
• 支持已启用的领域评测页面。

评测数据应作为应用生命周期的一部分，而不是部署后的补充步骤。