用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性与有用性

Amazon Bedrock AgentCore Evaluations 支持内置与自定义评估器，用于衡量多智能体系统的准确性、任务成功率与行为质量。内置评估器覆盖 helpfulness、task success、instruction following 等通用维度，自定义评估器可检查约束满足、路径可行性、SQL 正确性、库存 grounding 与解释质量。