Cloudflare 分享：如何用 Eval 保障平台级 Agent 质量

threepointone · x · 2026-08-08

Cloudflare 的仪表盘 Agent 覆盖了从部署 Workers 到调试生产实例的整个开发者平台。面对庞大的功能表面积，团队采用 Braintrust 工具来保障其性能与可靠性。

具体工程实践包括：使用 LLM-as-a-judge 评估器来衡量对话解决率；在 CI/CD 流水线中对每一项技能和提示词的变更进行 eval 把关；以及在决定采用哪种模型前，将子智能体与不同能力的模型进行基准测试对比。