用途:系统化改进已有智能体的性能与可靠性,基于性能指标、用户反馈和提示词工程进行迭代优化。
主要能力:分四阶段推进。一、性能分析与基线:用 context-manager 收集历史数据,命令为 analyze-agent-performance $ARGUMENTS --days 30,统计任务完成率、准确率、工具使用效率、响应时间与 token 消耗、用户满意度、幻觉与错误模式,并对失败模式分类(指令误解、格式错误、上下文丢失、工具误用、约束违反、边界情况)。二、提示词工程改进:用 prompt-engineer 做思维链优化、少样本示例优化、角色定义细化、宪法式自我纠错与输出格式调优。三、测试与验证:构建测试套件,用 parallel-test-runner 做 A/B 对比,指标含完成率、正确性、效率、幻觉率、一致性、格式合规、延迟与成本,并配合盲评人工评估。四、版本控制与部署:按 agent-name-v[MAJOR].[MINOR].[PATCH] 版本化,分阶段灰度(5%→20%→50%→100%),设定回滚触发条件(成功率下降超10%、严重错误增超5%、成本增超20%等),并持续监控。
使用方式:适用于改进已有智能体、分析失败模式与提示词质量、运行结构化 A/B 测试或评估套件、设计迭代优化流程。
限制:不适用于从零构建新智能体;无指标、反馈或测试用例时不宜使用;与智能体性能或提示词质量无关的任务不适用。资料未提供具体收费、价格与平台信息。