OpenAI 追踪评分

追踪评分是对智能体追踪赋予结构化分数或标签的过程。一条追踪记录端到端的决策、工具调用和推理步骤，可用于评估正确性、质量和是否符合预期，定位表现良好或出错的环节，针对性改进编排与行为。

追踪评测利用这些已评分的追踪，系统地评价大量样例中的智能体表现，用于比较变更、识别回归和验证改进。相较黑盒评测，追踪评测提供更多过程数据，帮助理解成功或失败的原因。结合两者，可跟踪、分析和优化一组智能体。

开始使用追踪

1. 在控制台进入 Logs > Traces。
2. 选择工作流。可看到SDK应用的追踪，以及过渡期内既有 Agent Builder工作流的追踪。
3. 选择一条追踪，检查工作流。
4. 创建并运行评分器，根据其标准评价智能体表现。

追踪评分适合大规模发现错误，对提高应用韧性很重要。推荐流程见评测反馈循环 Cookbook。

通过运行评测追踪

1. 选择 Grade all（全部评分），进入评测控制台。
2. 添加或编辑测试标准。
3. 添加运行以评测输出，可配置模型、日期范围和工具调用等选项，细化评测范围。

详见使用 Evals。