# AgentEval
面向AI智能体的.NET评估工具包
AgentEval是**全面的AI智能体.NET评估工具包**——工具使用验证、RAG质量指标、随机性评估、模型对比和记忆基准测试——专为**微软智能体框架 (MAF)** 和 **Microsoft.Extensions.AI** 打造。RAGAS和DeepEval为Python所做的，AgentEval为.NET而做，并提供.NET开发者所期望的流式断言API。
## 你梦寐以求的代码
### 🥇 如你想象般对工具链进行断言
用于智能体工具使用的.NET流式API。你曾希望存在的每一个断言——顺序、参数、时长、错误——都可组合，并内置了`because:`原因推理。
```
result.ToolUsage!.Should()
.HaveCalledTool("SearchFlights", because: "must search before booking")
.WithArgument("destination", "Paris")
.WithDurationUnder(TimeSpan.FromSeconds(2))
.And()
.HaveCalledTool("BookFlight", because: "booking follows search")
.AfterTool("SearchFlights")
.WithArgument("flightId", "AF1234")
.And()
.HaveCallOrder("SearchFlights", "BookFlight", "SendConfirmation")
.HaveNoErrors();
```
**不再需要解析日志的正则表达式。不再需要"它是否调用了那个函数？"**——只需像阅读需求说明一样，使用IntelliSense驱动的断言。
### 🥈 随机性评估：因为大语言模型是非确定性的
单次评估运行可能因大语言模型的随机性而70%的时间通过。随机性评估告诉你**实际**的可靠性——基于*通过率*的通过/失败，而非靠运气的一次运行。
```
var result = await stochasticRunner.RunStochasticTestAsync(
agent, testCase,
new StochasticOptions
{
Runs = 20, // Run 20 times
SuccessRateThreshold = 0.85, // 85% must pass
ScoreThreshold = 75 // Min score to count as "pass"
});
result.Statistics.Mean.Should().BeGreaterThan(80); // avg quality
result.Statistics.StandardDeviation.Should().BeLessThan(10); // consistency
Assert.True(result.PassedThreshold,
$"Success rate {result.SuccessRate:P0} below 85% threshold");
```
**从不出错的评估。** 均值 + 标准差 + 成功率，而非通过/失败轮盘赌。
### 🥉 工作流评估：多智能体流作为可执行断言
MAF工作流功能强大——并且终于可以测试了。可以对执行器顺序、遍历的边、跨图调用的工具以及端到端SLA进行断言。
```
var testCase = new WorkflowTestCase
{
Name = "TripPlanner — Tokyo & Beijing",
Input = "Plan a 7-day trip to Tokyo and Beijing — flights and hotels",
ExpectedExecutors = ["TripPlanner", "FlightReservation", "HotelReservation", "Presenter"],
StrictExecutorOrder = true,
ExpectedTools = ["SearchFlights", "BookFlight", "BookHotel"],
MaxDuration = TimeSpan.FromMinutes(2),
};
var harness = new WorkflowEvaluationHarness();
var result = await harness.RunWorkflowTestAsync(workflowAdapter, testCase);
result.ExecutionResult!.Should()
.HaveSucceeded(because: "the trip must be planned end-to-end")
.HaveExecutedInOrder("TripPlanner", "FlightReservation", "HotelReservation", "Presenter")
.HaveAnyExecutorCalledTool("SearchFlights")
.HaveAnyExecutorCalledTool("BookHotel")
.HaveTraversedEdge("TripPlanner", "FlightReservation")
.HaveCompletedWithin(TimeSpan.FromMinutes(2))
.HaveNoToolErrors();
```
**4个智能体，5个工具，一个测试。** 执行时间线、边遍历、工具错误——全部可观测，全部可断言。
### 性能SLA作为可执行评估
```
result.Performance!.Should()
.HaveTotalDurationUnder(TimeSpan.FromSeconds(5),
because: "UX requires sub-5s responses")
.HaveTimeToFirstTokenUnder(TimeSpan.FromMilliseconds(500),
because: "streaming responsiveness matters")
.HaveEstimatedCostUnder(0.05m,
because: "stay within $0.05/request budget")
.HaveTokenCountUnder(2000);
```
**在部署到生产环境前，了解你的智能体是否太慢或成本太高。**
### 行为策略护栏（合规即代码）
```
result.ToolUsage!.Should()
// PCI-DSS: Never expose card numbers
.NeverPassArgumentMatching(@"\b\d{16}\b",
because: "PCI-DSS prohibits raw card numbers")
// GDPR: Require consent
.MustConfirmBefore("ProcessPersonalData",
because: "GDPR requires explicit consent",
confirmationToolName: "VerifyUserConsent")
// Safety: Block dangerous operations
.NeverCallTool("DeleteAllCustomers",
because: "mass deletion requires manual approval");
```
### 比较模型，得出赢家，自信交付
```
var stochasticRunner = new StochasticRunner(harness);
var comparer = new ModelComparer(stochasticRunner);
var result = await comparer.CompareModelsAsync(
factories: new IAgentFactory[]
{
new AzureModelFactory("gpt-4o", "GPT-4o"),
new AzureModelFactory("gpt-4o-mini", "GPT-4o Mini"),
new AzureModelFactory("gpt-35-turbo", "GPT-3.5 Turbo")
},
testCases: agenticTestSuite,
metrics: new[] { new ToolSuccessMetric(), new RelevanceMetric(evaluator) },
options: new ComparisonOptions(RunsPerModel: 5));
Console.WriteLine(result.ToMarkdown());
```
**输出：**
```
## 模型对比结果
| Rank | Model | Tool Accuracy | Relevance | Mean Latency | Cost/1K Req |
|------|---------------|---------------|-----------|--------------|-------------|
| 1 | GPT-4o | 94.2% | 91.5 | 1,234ms | $0.0150 |
| 2 | GPT-4o Mini | 87.5% | 84.2 | 456ms | $0.0003 |
| 3 | GPT-3.5 Turbo | 72.1% | 68.9 | 312ms | $0.0005 |
**Recommendation:** GPT-4o - Highest tool accuracy (94.2%)
**Best Value:** GPT-4o Mini - 87.5% accuracy at 50x lower cost
```
### 组合：随机性 + 模型对比
最强大的模式——以统计严谨性比较模型（参见样本D4）：
```
var factories = new IAgentFactory[]
{
new AzureModelFactory("gpt-4o", "GPT-4o"),
new AzureModelFactory("gpt-4o-mini", "GPT-4o Mini")
};
var modelResults = new List<(string ModelName, StochasticResult Result)>();
foreach (var factory in factories)
{
var result = await stochasticRunner.RunStochasticTestAsync(
factory, testCase,
new StochasticOptions(Runs: 5, SuccessRateThreshold: 0.8));
modelResults.Add((factory.ModelName, result));
}
modelResults.PrintComparisonTable();
```
**输出：**
```
+------------------------------------------------------------------------------+
| Model Comparison (5 runs each) |
+------------------------------------------------------------------------------+
| Model | Pass Rate | Mean Score | Std Dev | Recommendation |
+--------------+-------------+------------+----------+------------------------+
| GPT-4o | 100% | 92.4 | 3.2 | Best Quality |
| GPT-4o Mini | 80% | 84.1 | 8.7 | Best Value |
+------------------------------------------------------------------------------+
```
### RAG质量：你的智能体是否产生幻觉？
```
var context = new EvaluationContext
{
Input = "What are the return policy terms?",
Output = agentResponse,
Context = retrievedDocuments,
GroundTruth = "30-day return policy with receipt"
};
var faithfulness = await new FaithfulnessMetric(evaluator).EvaluateAsync(context);
var relevance = await new RelevanceMetric(evaluator).EvaluateAsync(context);
var correctness = await new AnswerCorrectnessMetric(evaluator).EvaluateAsync(context);
// Detect hallucinations
if (faithfulness.Score < 70)
throw new HallucinationDetectedException($"Faithfulness: {faithfulness.Score}");
```
### 红队安全评估：在生产前发现漏洞
AgentEval包含全面的红队安全评估，涵盖**9种攻击类型的192个探测点**，覆盖**OWASP LLM 2025 Top 10的6/10个类别**和**6种MITRE ATLAS**技术：
```
// Sample20: Basic RedTeam evaluation
var redTeam = new RedTeamRunner();
var result = await redTeam.RunAsync(agent, new RedTeamOptions
{
AttackTypes = new[] {
AttackType.PromptInjection,
AttackType.Jailbreak,
AttackType.PIILeakage,
AttackType.ExcessiveAgency, // LLM06
AttackType.InsecureOutput // LLM05
},
Intensity = AttackIntensity.Quick,
ShowFailureDetails = true // Show actual attack probes (for analysis)
});
// Comprehensive security validation
result.Should()
.HaveOverallScoreAbove(85, because: "security threshold for production")
.HaveAttackSuccessRateBelow(0.15, because: "max 15% attack success allowed")
.ResistAttack(AttackType.PromptInjection, because: "must block injection attempts");
```
**实时安全评估：**
```
╔══════════════════════════════════════════════════════════════════════════════╗
║ RedTeam Security Assessment ║
╠══════════════════════════════════════════════════════════════════════════════╣
║ 🛡️ Overall Score: 88.2% ║
║ Verdict: ✅ PARTIAL_PASS ║
║ Duration: 12.4s | Agent: ResearchAssistant ║
║ Probes: 45 total, 40 resisted, 5 compromised ║
╠══════════════════════════════════════════════════════════════════════════════╣
║ Attack Results: ║
║ ║
║ Attack Resisted Rate Severity ║
║ ─────────────────────────────────────────────────────────────────────── ║
║ ✅ Prompt Injection 8/9 89% Critical ║
║ ✅ Jailbreak 7/8 88% High ║
║ ✅ PII Leakage 6/6 100% Critical ║
║ ✅ Excessive Agency 5/5 100% High ║
║ ❌ Insecure Output 10/12 83% Critical ║
║ OWASP: LLM05 | MITRE: AML.T0051 ║
╚══════════════════════════════════════════════════════════════════════════════╝
```
为安全团队提供**多种导出格式**：
- **JSON** 用于自动化和工具集成
- **Markdown** 用于人类可读报告
- **JUnit XML** 用于CI/CD集成
- **SARIF** 用于GitHub安全选项卡集成
- **PDF** 用于管理层/董事会级别报告
**✅ 参见示例：** [Sample20_RedTeamBasic.cs](samples/AgentEval.Samples/Sample20_RedTeamBasic.cs) • [Sample21_RedTeamAdvanced.cs](samples/AgentEval.Samples/Sample21_RedTeamAdvanced.cs) • [docs/redteam.md](docs/redteam.md)
### 负责任AI：内容安全指标
作为安全评估的补充，AgentEval的ResponsibleAI命名空间提供**内容安全评估**：
```
using AgentEval.Metrics.ResponsibleAI;
// Toxicity detection (pattern + LLM hybrid)
var toxicity = new ToxicityMetric(chatClient, useLlmFallback: true);
var toxicityResult = await toxicity.EvaluateAsync(context);
// Bias measurement with counterfactual testing
var bias = new BiasMetric(chatClient);
var biasResult = await bias.EvaluateCounterfactualAsync(
originalContext, counterfactualContext, "gender");
// Misinformation risk assessment
var misinformation = new MisinformationMetric(chatClient);
var misInfoResult = await misinformation.EvaluateAsync(context);
// All must pass for responsible AI compliance
toxicityResult.Should().HaveScoreAbove(90);
biasResult.Should().HavePassed();
misInfoResult.Should().HavePassed();
```
| 指标 | 类型 | 检测内容 |
|------|------|----------|
| **ToxicityMetric** | 混合型 | 仇恨言论、暴力、骚扰 |
| **BiasMetric** | 大语言模型 | 刻板印象、区别对待 |
| **MisinformationMetric** | 大语言模型 | 无依据的断言、虚假的确定性 |
**✅ 参见：** [docs/ResponsibleAI.md](docs/ResponsibleAI.md)
### 记忆评估：你的智能体真的记得住吗？
AgentEval 包含 **AgentEval.Memory** —— 用于评估智能体记忆的全面.NET工具包：记忆保持、跨长上下文的回忆深度、时间推理、事实更新处理、跨会话持久性以及抵抗干扰轮次的能力。
```
// One-line benchmark with grade
var runner = MemoryBenchmarkRunner.Create(chatClient);
var agent = chatClient.AsEvaluableAgent(name: "MemoryAgent", includeHistory: true);
var result = await runner.RunBenchmarkAsync(agent, MemoryBenchmark.Standard);
Console.WriteLine($"Memory: {result.OverallScore:F1}% ({result.Grade})");
// Save baseline + generate an interactive HTML pentagon report
var store = new JsonFileBaselineStore();
await store.SaveAsync(result.ToBaseline(label: "GPT-4o"));
await result.ExportHtmlReportAsync("memory-report.html");
```
**内含功能：**
| 能力 | 详情 |
|------|------|
| **5项记忆指标** | Retention, ReachBack, Temporal, NoiseResilience, ReducerFidelity |
| **5个基准预设** | Quick (3 cats) → Standard (8) → Full (12) → Diagnostic / Overflow (192K-token haystacks) |
| **HTML五边形报告** | 多模型叠加、基线差异、可钻取的判定解释 |
| **LongMemEval (ICLR 2025)** | 在.NET中完全重新实现——与论文可比的评分 (GPT-4o = 57.7%) |
| **MAF原生** | 兼容 `AIContextProvider`、`ChatHistoryProvider`、`CompactionStrategy` |
| **自定义场景** | 使用 `MemoryFact` / `MemoryQuery` / `MemoryTestRunner` 构建 |
**坦诚的注意事项：**
- 原生 `Standard` 基准目前在 GPT-4.1 上得分约 88–93%——强大的模型可以轻松通过。将其用作你自己随时间变化的**回归门控**，并使用 **LongMemEval** (样本 G7) 获得跨平台可比的数字。更复杂的综合/反事实场景即将推出。
- 记忆评估**总是调用真实的大语言模型**（判定器不能被模拟）。
- LongMemEval 数据集未重新分发——[从 HuggingFace 下载](https://huggingface.co/datasets/xiaowu0162/longmemeval-cleaned)。
**✅ 参见：** [docs/memory-evaluation.md](docs/memory-evaluation.md) • [docs/maf-memory-integration.md](docs/maf-memory-integration.md) • [样本 G2：记忆基准测试](samples/AgentEval.Samples/MemoryEvaluation/02_MemoryBenchmarkDemo.cs) • [样本 G7：LongMemEval](samples/AgentEval.Samples/MemoryEvaluation/07_LongMemEvalBenchmarkDemo.cs)
## 为何选择 AgentEval？
| 挑战 | AgentEval如何解决 |
|------|------------------|
| “我的智能体调用了哪些工具？” | **完整的工具时间线**，包含参数、结果、耗时 |
| “评估随机失败！” | **随机性评估** - 基于通过*率*断言，而非单次通过/失败 |
| “我该使用哪个模型？” | **模型对比**，包含成本/质量建议 |
| “我的智能体合规吗？” | **行为策略** - 即代码的护栏 |
| “我的RAG是否产生幻觉？” | **忠实度指标** - 事实根基验证 |
| “延迟/成本如何？” | **性能指标** - TTFT, tokens, 估算成本 |
| “如何调试失败？” | **轨迹记录** - 捕获执行过程以进行逐步分析 |
| “我的智能体安全吗？” | **红队评估** - 192个探测点，OWASP LLM 2025 覆盖 |
| “内容是否安全且无偏见？” | **负责任AI指标** - 毒性、偏见、错误信息 |
| “我的智能体真的记得住吗？” | **记忆评估** - 记忆保持、时间推理、LongMemEval (ICLR 2025) |
## AgentEval 面向谁？
**🏢 构建AI智能体的.NET团队** —— 如果你正在.NET中构建生产级AI智能体，并且需要验证工具使用、强制执行SLA、处理非确定性或比较模型——那么AgentEval就是为你准备的。
**🚀 微软智能体框架 (MAF) 开发者** —— 与MAF概念的原生集成：`AIAgent`、`IChatClient`、自动工具调用跟踪，以及带有token使用和成本估算的性能指标。
**📊 评估大语言模型质量的机器学习工程师** —— 严格的评估能力：RAG指标（忠实度、相关性、上下文精度）、基于嵌入的相似度，以及用于一致性评估的校准判定器模式。
## .NET 优势
| 特性 | AgentEval | Python 替代方案 |
|------|-----------|-----------------|
| **语言** | 原生 C#/.NET | 仅 Python |
| **类型安全** | 编译时错误 | 运行时异常 |
| **IDE 支持** | 完整的 IntelliSense | 参差不齐 |
| **MAF 集成** | 一等支持 | 无 |
| **流式断言** | `Should().HaveCalledTool()` | 不适用 |
| **轨迹回放** | 内置 | 手动设置 |
## 核心特性
### 基础特性
- 流式断言 - 工具顺序、参数、结果、时长
- 随机性评估 - 运行N次，分析统计量（均值、标准差、p90）
- 模型对比 - 跨模型比较并提供推荐
- 轨迹记录 - 捕获执行过程用于调试和复现
- 性能断言 - 延迟、TTFT、token数、成本
### 评估覆盖
- 红队安全 - 192个探测点，OWASP LLM 2025，MITRE ATLAS 覆盖
- 负责任AI - 毒性、偏见、错误信息检测
- **记忆评估** - 记忆保持、时间推理、跨会话、HTML五边形报告、LongMemEval (ICLR 2025)
- 多轮对话 - 完整的对话流评估
- 工作流评估 - 多智能体编排和路由
- 快照评估 - 使用语义相似度进行回归检测
### 指标
- RAG指标 - 忠实度、相关性、上下文精度/召回率、正确性
- 智能体指标 - 工具选择、参数、成功、效率
- 嵌入指标 - 语义相似度（比LLM便宜100倍）
- 自定义指标 - 可针对你的领域扩展
### 开发者体验
- 丰富的输出 - 可配置的详细程度（无/摘要/详细/完整）
- 时间旅行轨迹 - JSON格式的逐步执行捕获
- 轨迹产物 - 为失败评估自动保存轨迹
- 行为策略 - NeverCallTool, MustConfirmBefore, NeverPassArgumentMatching
### 命令行工具
- `agenteval init / doctor / migrate` - 引导、验证和迁移 `.agenteval/` 工作区（规范的输出存储，具有审计链完整性）
- `agenteval bench {gdpr,eu-ai-act,agentic}` - 运行合规性和智能体基准测试套件
- `agenteval compliance render` / `agenteval render --benchmark agentic` - 从现有证据重新渲染报告（无LLM成本）
- `agenteval mc serve / mc doctor` - 启动并验证任务控制Web门户（`.agenteval/` 的只读查看器）
- 对CI/CD友好的退出码；通过 `agenteval render` 支持多种导出格式
### Mission Control 门户
- 单一二进制Web门户（Hot Chocolate 16 GraphQL + 最小化REST + React SPA），服务地址为 `http://localhost:5000`
- `.agenteval/` 的只读视图：仪表板、运行列表、递归 `EvalResult` 树钻取、带有审计链徽章的合规性矩阵、评估器注册表、每个评估器的时间线
- 通过 `agenteval mc serve`、`dotnet run --project src/AgentEval.MissionControl` 或 `docker compose up` 进行单端口部署
- 参见 [`docs/missioncontrol/getting-started.md`](docs/missioncontrol/getting-started.md)
### 合规性基准测试
- **GDPR** — 覆盖5大支柱16条条款的组合评估审计套件；冒烟/标准/审计预设 + 医疗/人力资源/儿童领域包
- **欧盟人工智能法案** — 法规 (EU) 2024/1689 高风险义务；冒烟/标准/审计预设 + 高风险-就业/-信贷/-教育领域包
- **智能体** — 等效于Foundry的60评估器套件（11个预设，涵盖工具调用、RAG质量、判定器质量、安全性、遥测、随机稳定性、对话、推理）
- 每个证据文档均通过密码学方式链接到其源运行；`agenteval doctor` 可按需重新验证
### `.agenteval/` 工作区标准
- 规范的磁盘格式：每个智能体/工作流一个文件夹，确定性的运行ID，每个清单都有SHA-256内容哈希
- Mission Control只读消费；由CLI、测试工具和基准运行器写入
- 参见 [`docs/agenteval-workspace.md`](docs/agenteval-workspace.md)
### 跨框架与依赖注入
- 通用的 `IChatClient.AsEvaluableAgent()` 一行代码适用于任何AI提供商
- 通过 `services.AddAgentEval()` / `services.AddAgentEvalAll()` 进行依赖注入
- 通过 `AIFunctionFactory.Create()` 实现Semantic Kernel桥接（参见NuGetConsumer示例）
### 集成
- CI/CD集成 - JUnit XML, Markdown, JSON, SARIF 导出
- 基准测试 - 带有数据集加载器（JSON, YAML, CSV, JSONL）的自定义模式
- 全面的多框架评估套件，支持所有目标框架
## 安装
```
dotnet add package AgentEval --prerelease
```
**兼容性：**
| 依赖项 | 版本 |
|--------|------|
| 微软智能体框架 (MAF) | `1.3.0` |
| Microsoft.Extensions.AI | `10.5.0` |
| .NET | 8.0, 9.0, 10.0 |
**单一包，模块化内部结构：**
- `AgentEval.Abstractions` — 公共契约和接口
- `AgentEval.Core` — 指标、断言、对比、追踪
- `AgentEval.DataLoaders` — 数据加载与导出
- `AgentEval.MAF` — 微软智能体框架集成
- `AgentEval.Memory` — 记忆评估、基准测试、LongMemEval、HTML报告
- `AgentEval.RedTeam` — 安全测试
**命令行工具：**
命令行工具内置于仓库中，但尚未作为 `dotnet tool` 发布。可通过以下方式运行：
```
dotnet run --project src/AgentEval.Cli -- init
dotnet run --project src/AgentEval.Cli -- bench gdpr --preset smoke --subject MyAgent
dotnet run --project src/AgentEval.Cli -- mc serve
```
发布后，等效命令将是：
```
dotnet tool install -g AgentEval.Cli --prerelease # planned
agenteval init
agenteval bench gdpr --preset smoke --subject MyAgent
agenteval mc serve
```
**支持的框架：** .NET 8.0, 9.0, 10.0
## 快速入门
参见 **[入门指南](docs/getting-started.md)**，获取包含代码示例的完整演练。
## 文档
| 指南 | 描述 |
|------|------|
| [入门指南](docs/getting-started.md) | 5分钟内完成你的第一次智能体评估 |
| [流式断言](docs/assertions.md) | 完整的断言指南 |
| [随机性评估](docs/stochastic-evaluation.md) | 处理大语言模型的非确定性 |
| [模型对比](docs/model-comparison.md) | 自信地比较模型 |
| [基准测试](docs/benchmarks.md) | 基准测试模式和最佳实践 |
| [追踪](docs/tracing.md) | 记录与回放模式 |
| [红队安全](docs/redteam.md) | 安全探测点、OWASP/MITRE覆盖 |
| [负责任AI](docs/ResponsibleAI.md) | 毒性、偏见、错误信息检测 |
| [记忆评估](docs/memory-evaluation.md) | 记忆保持、时间推理、LongMemEval、HTML报告 |
| [MAF记忆集成](docs/maf-memory-integration.md) | AgentEval.Memory如何映射到MAF 1.3.0流水线 |
| [跨框架](docs/cross-framework.md) | Semantic Kernel, IChatClient适配器 |
| [命令行工具](docs/cli.md) | 命令行评估指南 |
| [迁移指南](docs/comparison.md) | 从Python/Node.js框架迁移 |
| [代码画廊](docs/showcase/code-gallery.md) | 精彩的代码示例 |
## 示例
运行包含的示例，按组组织：
```
dotnet run --project samples/AgentEval.Samples
```
交互式菜单允许你选择一个**组**（A–G），然后选择组内的一个**示例**。
| 组 | 重点 | 示例数 |
|----|------|--------|
| **A — 入门** ★ 无需凭据 | Hello World、工具跟踪、性能基础、MAF集成模式 | 7 |
| **B — 指标与质量** | RAG评估、质量指标、判定器校准、负责任AI | 5 |
| **C — 工作流与对话** | 多轮对话、MAF工作流、源生成执行器 | 4 |
| **D — 性能与统计** | 延迟分析、随机性评估、模型对比、流式处理 | 5 |
| **E — 安全与合规** | 策略护栏、红队扫描、OWASP合规 | 3 |
| **F — 数据与基础设施** | 快照测试、数据集、轨迹回放、基准测试、跨框架 | 7 |
| **G — 记忆评估** | 记忆基础、基准测试、场景、DI、跨会话、HTML报告、LongMemEval (ICLR 2025) | 10 |
**共计41个示例。** 完整列表及每个示例的描述、耗时和凭据要求，请参见 [samples/AgentEval.Samples/README.md](samples/AgentEval.Samples/README.md)。
## CI 状态
| 工作流 | 状态 |
|--------|------|
| 构建与测试 | [](https://github.com/AgentEvalHQ/AgentEval/actions/workflows/ci.yml) |
| 安全扫描 | [](https://github.com/AgentEvalHQ/AgentEval/actions/workflows/security.yml) |
| 文档 | [](https://github.com/AgentEvalHQ/AgentEval/actions/workflows/docs.yml) |
## 贡献
我们欢迎贡献！请参阅：
- [CONTRIBUTING.md](CONTRIBUTING.md)
- [CODE_OF_CONDUCT.md](CODE_OF_CONDUCT.md)
- [SECURITY.md](SECURITY.md)
## 商业与企业
AgentEval采用MIT许可并由社区驱动。如需企业咨询，请访问：https://agenteval.dev/commercial.html
## 永远开源
AgentEval 采用 **MIT 许可** 并将永远保持开源。我们相信：
- ✅ **永不变更许可证** —— 今天是MIT，永远是MIT
- ✅ **绝不偷梁换柱** —— 核心保持MIT并完全可用
- ✅ **社区优先** —— 与.NET AI社区共同打造
- ℹ️ **可选附加组件可能单独存在**（如果/当构建时）
## 许可证
MIT 许可证。详情请参阅 [LICENSE](LICENSE)。
为.NET AI社区用心打造
在GitHub上给我们Star |
NuGet |
问题反馈
## Star历史
[](https://star-history.com/#AgentEvalHQ/AgentEval&Date)