用途：通过 iblai 平台 API 对智能体进行质量评测。构建评测数据集（输入+期望输出），对数据集逐条运行智能体，再用 LLM-as-Judge 或人工评分，最后导出 CSV。
主要能力：管理评测数据集与条目（JSON、CSV 上传或从聊天 trace 生成）；启动实验运行（异步，对每条数据调用指定 mentor_unique_id 的智能体）；LLM-as-Judge 按自由文本评分标准自动打分；人工/数值/布尔/分类评分及可复用评分配置；结果导出 CSV。
使用方式：基础地址 https://api.iblai.app，每个请求带 Authorization: Api-Token $IBLAI_API_KEY。路径根为 …/dm/api/ai-mentor/orgs/{org}/users/{username}/evaluations/，其中 {org}=$IBLAI_ORG，{username}=$IBLAI_USERNAME。未连接时先运行 /iblai-api-login。典型流程：创建数据集 → 添加条目 → 启动运行（异步）→ 轮询至 completed → 评分 → 导出 CSV。列表接口支持 ?page= 与 ?limit=（默认 50，最大 200）。
适用场景：需要以数据集方式回归测试智能体回答质量、对比不同版本、并保留可导出评分记录的团队。
限制：评测数据集与智能体的 RAG 知识数据集不同，不可混用；数据仅限本组织可见。运行与评判为异步任务，POST 返回 202，需轮询状态，运行完成后才能评判或导出。删除条目、运行、评分均为排队异步（202），且数据集本身无更新或删除接口。评分标准、模型等参数以资料所列字段为准，其余细节暂未提供。