如何使用Harbor和LangSmith构建深度代理的评估工作流程
原文英文，约2400词，阅读约需9分钟。
📝
内容提要
深度代理简化了工作代理的创建。本文介绍了如何通过编码代理建立评估工作流程，并结合Harbor、Terminal Bench和LangSmith来优化代理性能。通过系统评估和观察，识别改进机会，实现持续优化。
🔎
延伸解读
深度代理架构的关键组件
深度代理架构包含四个关键组件：详细系统提示、规划工具、文件系统和子代理。这些组件共同作用，确保代理在执行复杂任务时能够高效管理上下文和任务进度。了解这些组件的功能，有助于开发者在构建代理时做出更明智的设计选择。
评估代理性能的重要性
在评估代理性能时，严格的测试和详细的可观察性至关重要。通过使用Harbor和Terminal Bench 2.0，开发者可以在多种任务上测试代理的能力，并通过自动化验证确保结果的准确性。这种系统化的评估方法能够帮助识别代理的弱点，从而进行针对性的改进。
LangSmith的观察性集成
LangSmith提供的观察性集成功能，使得开发者能够自动捕获代理的每个操作和性能指标。这种数据驱动的方法不仅有助于理解代理的行为，还能通过分析执行轨迹识别改进机会。利用这些数据，开发者可以更有效地优化代理性能，提升其在实际应用中的表现。
❓
Q&A
深度代理的主要功能是什么？
深度代理简化了工作代理的创建，能够在几分钟内建立工作代理。
Harbor在评估工作流程中起什么作用？
Harbor是一个用于在容器化环境中评估代理的框架，支持多种沙箱提供者，处理自动测试执行和奖励评分。
如何使用Terminal Bench 2.0评估代理性能？
Terminal Bench 2.0是一个基准数据集，包含89个任务，用于评估代理在多个领域的能力。
LangSmith如何帮助优化代理性能？
LangSmith提供观察性，自动捕获代理的每个操作和性能指标，帮助识别改进机会。
评估代理性能时需要注意哪些关键组件？
评估代理性能需要详细的系统提示、规划工具、文件系统和子代理等关键组件。
如何实现持续优化代理的工作流程？
持续优化的工作流程包括构建代理、在Harbor中运行、使用LangSmith分析、改进和重复。
🏷️
