用途：通过 iblai 平台 API 建立评测数据集、运行实验并给智能体打分，以测量和改进智能体质量，也可用于用数据集测试智能体并对结果评级。
认证与约定：基址 https://api.iblai.app，每个请求都要带 Authorization: Api-Token $IBLAI_API_KEY。路径变量 {org}=$IBLAI_ORG、{username}=$IBLAI_USERNAME，根路径为 …/dm/api/ai-mentor/orgs/{org}/users/{username}/evaluations/。未连接时先运行 /iblai-api-login 填充这三个变量。列表接口支持 ?page= 与 ?limit=（默认 50，上限 200）。
主要能力：数据集与条目支持直接 JSON（items）、CSV 上传、或从已有聊天 trace 播种（trace_ids）；实验运行会异步把每条数据集条目发给指定 mentor_unique_id 的智能体并记录回复；LLM-as-Judge 按自由文本 criteria 自动给已完成运行的每条结果打分；scores 支持人工的数值/布尔/分类标注并可引用 score-configs 中的可复用评分标准；运行结果可通过 export 导出 CSV。
必要用法：典型流程为建数据集→加条目→启动运行（POST …/runs/，返回 202 后需轮询至 completed）→评分→导出。LLM-as-Judge 需在运行 completed 后调用，参数含必填 criteria、score_name，以及 llm_provider、llm_name、max_concurrency。删除条目、运行、评分为异步排队（202），且为破坏性操作。
限制：评测数据集与智能体的 RAG 知识数据集不同，不可混用；数据按组织隔离，仅 $IBLAI_ORG 可读写；运行与判定均为后台任务，需先轮询到完成状态；数据集本身没有更新或删除接口。其余限制资料暂未提供。