AI 評估

若要探索評估策略、查看開源資料集與評分準則，或參與社群基準測試資料集， 請造訪 Flutter Evals 程式碼庫。

評估 AI 代理程式 (AI agents) 的能力與可靠性，需要採用能模擬實際開發者任務的測試方法。 由於大型語言模型 (LLMs) 具有非確定性， 標準單元測試不足以驗證代理行為，例如 程式碼庫導覽、計畫執行與程式碼合成。

為了建立開發者對 AI 工具的信心， Dart 和 Flutter 採用評估系統（以下簡稱「evals」） 來測試關鍵使用者旅程 (CUJs)。 Evals 透過自動化模型評判和專家人工評分， 同時衡量確定性的程式碼正確性 （編譯、靜態分析、自動化測試）與質化效能 （推理能力、安全性與簡潔性）。