
新建评测
选择人设、被测角色、模拟用户模型和裁判模型,以及结束条件。
用大模型扮演各种用户,和被测的角色对话后端连续多轮对话,裁判模型逐轮打分,最后汇总成看板和优化报告。支持对抗人设、记忆考核和 A/B 回放,改了 prompt 或换了模型后跑一遍,就能看出变好还是变差。



选择人设、被测角色、模拟用户模型和裁判模型,以及结束条件。

基线评测与新评测的总分、违规、记忆、延迟差值对比。

普通与对抗人设,可配置记忆考核和对抗策略。

被测后端提供的角色,含分段人设和完整系统提示词。
逐轮按人设契合、共情、记忆、安全、自然、相关打 1 到 10 分。
内置示例后端和演示模型,不配 API Key 也能跑完整流程。
被测后端实现发测试账号、角色列表、流式回复三个接口即可。