Amazon Bedrock AgentCore Değerlendirmeleri artık genel kullanıma sunuldu
Amazon Bedrock AgentCore Değerlendirmeleri artık, yapay zeka temsilcileri için otomatik kalite değerlendirmesi sağlayarak, genel olarak kullanılabilir. Değerlendirmeler, geliştiricilerin üretim trafiğini sürekli olarak değerlendirerek temsilci kalitesini izlemesine, test iş akışlarıyla değişiklikleri doğrulamasına ve temsilci performansını tanımlanmış beklentilere karşı ölçmesine olanak tanır. AgentCore Değerlendirmeleri iki değerlendirme tipi sunar. Çevrimiçi değerlendirme, canlı izleri örnekleme ve puanlama yoluyla üretimdeki temsilci performansını sürekli olarak izler. İsteğe bağlı değerlendirme, ekiplerin temsilcileri programlı olarak test etmesine olanak tanır, CI/CD hatlarında regresyon testini ve etkileşimli geliştirme iş akışlarını destekler.
Ekipler, yanıt kalitesi, güvenlik, görev tamamlama ve araç kullanımı için 13 yerleşik değerlendiriciyi kullanarak temsilcileri değerlendirebilir. Geliştiriciler ayrıca yanıt doğrulaması için referans yanıtları, oturum düzeyindeki hedefler için davranışsal iddialar ve beklenen araç yürütme dizileri dahil olmak üzere temsilci performansını beklentilere göre ölçmek için Ground Truth'u kullanabilir. Etki alanına özgü gereksinimler için ekipler, LLM tabanlı değerlendirme amacıyla kendi istemlerini ve modellerini kullanarak özel değerlendiriciler yapılandırabilir veya kod tabanlı değerlendirme için Lambda üzerinde barındırılan fonksiyonlar aracılığıyla Python ya da JavaScript ile özel mantık uygulayabilir. Değerlendirmeler, birleşik izleme ve gerçek zamanlı uyarılar için AgentCore Gözlemlenebilirliği ile entegre olur.
AgentCore Değerlendirmeleri dokuz AWS Bölgesinde mevcuttur: ABD Doğu (Kuzey Virginia), ABD Doğu (Ohio), ABD Batı (Oregon), Asya Pasifik (Mumbai), Asya Pasifik (Singapur), Asya Pasifik (Sidney), Asya Pasifik (Tokyo), Avrupa (Frankfurt), Avrupa (İrlanda).
Belgeler aracılığıyla Amazon Bedrock AgentCore Değerlendirmeleri hakkında daha fazla bilgi edinin ve Agent Core Başlangıç Araç Seti ile kullanıma başlayın