This commit is contained in:
Nelson
2026-04-06 12:36:04 +08:00
commit 514723dbe7
23 changed files with 7529 additions and 0 deletions

View File

@@ -0,0 +1,272 @@
"""
Google ADK 智能体评估完整示例
展示评估集创建和评估运行方法
对应教程第08章 - 智能体评估
"""
# 导入 ADK 核心模块
from google.adk.agents import Agent # Agent 类
from google.adk.runners import Runner # 运行器
from google.adk.sessions import InMemorySessionService # 会话服务
from google.genai import types # 类型定义
# 导入辅助模块
import asyncio # 异步编程库
import json # JSON 处理
# ========================================
# 定义被评估的 Agent
# ========================================
def get_weather(city: str) -> dict:
"""
获取天气信息
Args:
city (str): 城市名称
Returns:
dict: 天气信息
"""
weather_data = { # 天气数据
"北京": {"temp": "25°C", "condition": "晴天"},
"上海": {"temp": "28°C", "condition": "多云"},
"广州": {"temp": "32°C", "condition": "雷阵雨"},
}
data = weather_data.get(city) # 查找数据
if not data: # 如果找不到
return {"status": "error", "error_message": f"未找到'{city}'的天气信息"}
return {"status": "success", "city": city, **data} # 返回天气
agent = Agent(
name="weather_agent", # Agent 名称
model="gemini-2.0-flash", # 模型
instruction="你是天气助手,使用 get_weather 工具查询天气。用中文回答。", # 指令
tools=[get_weather], # 工具
)
# ========================================
# 示例一:创建评估集
# ========================================
def create_eval_set():
"""
创建评估集文件
生成 .evalset.json 文件供 adk eval 使用
"""
# 定义评估用例
eval_cases = [ # 用例列表
{
"case_id": "weather_beijing", # 用例 ID
"description": "测试北京天气查询", # 描述
"user_input": "北京今天天气怎么样?", # 用户输入
"expected_keywords": ["北京", "天气"], # 期望关键词
},
{
"case_id": "weather_shanghai", # 用例 ID
"description": "测试上海天气查询", # 描述
"user_input": "帮我查一下上海的天气", # 用户输入
"expected_keywords": ["上海"], # 期望关键词
},
{
"case_id": "greeting", # 用例 ID
"description": "测试问候功能", # 描述
"user_input": "你好!", # 用户输入
"expected_keywords": ["你好"], # 期望关键词
},
{
"case_id": "unknown_city", # 用例 ID
"description": "测试未知城市处理", # 描述
"user_input": "查询月球基地的天气", # 用户输入
"expected_keywords": ["找不到", "无法", "不支持"], # 期望关键词
},
{
"case_id": "multiple_cities", # 用例 ID
"description": "测试多城市查询", # 描述
"user_input": "北京和上海的天气对比", # 用户输入
"expected_keywords": ["北京", "上海"], # 期望关键词
},
]
# 构建评估集
eval_set = { # 评估集对象
"eval_cases": eval_cases, # 用例列表
}
# 写入文件
filepath = "weather_agent_eval_set.evalset.json" # 文件路径
with open(filepath, "w", encoding="utf-8") as f: # 打开文件
json.dump( # 写入 JSON
eval_set, # 数据
f, # 文件对象
ensure_ascii=False, # 允许中文
indent=2, # 格式化
)
print(f"✅ 评估集已创建: {filepath}") # 打印成功信息
print(f" 用例数量: {len(eval_cases)}") # 打印用例数
return filepath # 返回文件路径
# ========================================
# 示例二:代码方式运行评估
# ========================================
async def evaluate_agent(test_cases: list) -> dict:
"""
评估 Agent
Args:
test_cases: 测试用例列表
Returns:
dict: 评估结果汇总
"""
# 初始化服务
session_service = InMemorySessionService() # 会话服务
runner = Runner( # 运行器
agent=agent, # Agent
app_name="eval_app", # 应用名称
session_service=session_service, # 会话服务
)
results = [] # 结果列表
passed = 0 # 通过计数
for i, case in enumerate(test_cases): # 遍历用例
case_id = case.get("case_id", f"case_{i}") # 用例 ID
print(f"\n📋 测试用例: {case_id}") # 打印用例 ID
print(f" 输入: {case['user_input']}") # 打印输入
# 创建独立会话
session_id = f"eval_session_{i}" # 会话 ID
await session_service.create_session( # 创建会话
app_name="eval_app", # 应用名称
user_id="eval_user", # 用户 ID
session_id=session_id, # 会话 ID
)
# 构造消息
content = types.Content(
role='user', # 角色
parts=[types.Part(text=case["user_input"])], # 内容
)
# 运行 Agent
events = runner.run_async(
user_id="eval_user", # 用户 ID
session_id=session_id, # 会话 ID
new_message=content, # 消息
)
# 收集响应
response_text = "" # 初始化响应
async for event in events: # 遍历事件
if event.is_final_response(): # 最终响应
response_text = event.content.parts[0].text # 提取文本
# 检查期望关键词
case_passed = True # 默认通过
failure_reason = "" # 失败原因
if "expected_keywords" in case: # 如果有关键词要求
missing = [] # 缺失的关键词
for kw in case["expected_keywords"]: # 遍历关键词
if kw not in response_text: # 如果缺失
missing.append(kw) # 记录缺失
if missing: # 如果有缺失
case_passed = False # 标记失败
failure_reason = f"缺少关键词: {missing}" # 失败原因
# 检查不应出现的关键词
if "not_expected_keywords" in case: # 如果有排除关键词
for kw in case["not_expected_keywords"]: # 遍历
if kw in response_text: # 如果出现
case_passed = False # 标记失败
failure_reason = f"不应包含关键词: '{kw}'" # 失败原因
if case_passed: # 如果通过
passed += 1 # 递增通过数
print(f" ✅ 通过") # 打印通过
else: # 如果失败
print(f" ❌ 失败: {failure_reason}") # 打印失败原因
# 记录结果
results.append({ # 添加结果
"case_id": case_id, # 用例 ID
"status": "passed" if case_passed else "failed", # 状态
"response": response_text[:200], # 响应(截断)
"reason": failure_reason, # 失败原因
})
# 返回汇总
return { # 返回结果
"total": len(test_cases), # 总数
"passed": passed, # 通过数
"failed": len(test_cases) - passed, # 失败数
"pass_rate": passed / len(test_cases) if test_cases else 0, # 通过率
"results": results, # 详细结果
}
# ========================================
# 示例三:打印评估报告
# ========================================
def print_report(result: dict):
"""
打印评估报告
Args:
result: 评估结果
"""
print("\n" + "=" * 60) # 分隔线
print("📊 评估报告") # 标题
print("=" * 60) # 分隔线
print(f"总用例数: {result['total']}") # 总数
print(f"通过: {result['passed']}") # 通过数
print(f"失败: {result['failed']}") # 失败数
print(f"通过率: {result['pass_rate']:.1%}") # 通过率
print("-" * 60) # 分隔线
for r in result["results"]: # 遍历详细结果
icon = "" if r["status"] == "passed" else "" # 状态图标
print(f" {icon} {r['case_id']}: {r['status']}") # 打印结果
if r["reason"]: # 如果有失败原因
print(f" 原因: {r['reason']}") # 打印原因
if r["status"] == "passed": # 如果通过
print(f" 响应: {r['response'][:100]}...") # 打印响应片段
print("=" * 60) # 分隔线
# ========================================
# 主函数
# ========================================
async def main():
"""主函数"""
# 第一步:创建评估集
filepath = create_eval_set() # 创建评估集文件
# 第二步:加载评估用例
with open(filepath, "r", encoding="utf-8") as f: # 读取文件
eval_set = json.load(f) # 解析 JSON
test_cases = eval_set["eval_cases"] # 获取用例列表
# 第三步:运行评估
result = await evaluate_agent(test_cases) # 执行评估
# 第四步:打印报告
print_report(result) # 打印评估报告
if __name__ == "__main__": # 直接运行
asyncio.run(main()) # 执行主函数