用途：通过 API 衡量并改进智能体质量，构建评测数据集、运行实验、评分并导出结果。
主要能力：数据集与数据集条目的增删改查；条目可来自直接 JSON、CSV 上传或已有聊天轨迹（系统从轨迹中提取输入与智能体回复）；实验运行（异步后台任务，逐条向智能体提问并记录回复）；LLM-as-Judge 按自定义标准对整次运行评分（0–1）；人工/数值/布尔/分类评分及可复用评分标准；结果导出 CSV。
使用方式：基础地址 https://api.iblai.app，每个请求带请求头 Authorization: Api-Token $IBLAI_API_KEY。路径变量 {org}=$IBLAI_ORG、{username}=$IBLAI_USERNAME，根路径为 …/dm/api/ai-agent/orgs/{org}/users/{username}/evaluations/。未连接时先运行 /iblai-login 以填充 IBLAI_ORG、IBLAI_USERNAME、IBLAI_API_KEY。典型流程：创建数据集 → 添加条目 → 启动运行（异步）→ 评分（LLM-as-Judge 和/或人工）→ 导出 CSV。启动运行示例：curl -X POST "https://api.iblai.app/dm/api/ai-agent/orgs/$IBLAI_ORG/users/$IBLAI_USERNAME/evaluations/datasets/support-qa/runs/" -H "Authorization: Api-Token $IBLAI_API_KEY" -H "Content-Type: application/json" -d '{"run_name": "baseline-2026-06", "mentor": "d17dc729-60fd-4363-81a0-f67d9318b03e"}'。
限制：实验运行为异步，POST 返回后需轮询运行详情，待回复记录完成后再调用 evaluate/ 或 export/；删除条目、删除运行、删除评分均为破坏性操作，需先与用户确认。