CobraEvaluation

让原子能力的质量可以检验。

CobraEvaluation连接执行追踪、评测、仿真与优化。围绕业务标准判断能力表现，为候选版本比较和发布决策提供依据。

平台基础能力

从日常工作到可检查的交付结果。

查看任务步骤、工具调用、耗时与模型用量，定位失败发生在哪个环节。

用业务样本和明确规则比较候选方案，检查事实依据、工具使用与边界行为。

在受控场景中测试连续对话和边界条件，依据评估结果提出改进候选，再由负责人决定采用。

以能力为中心组织平台协作。

能力评估需要固定组件组合、测试样本与评估规则，保证比较针对同一组明确条件。

设计中由 Evaluation 编排评估、Flow 评估池执行；外部工具在版本化仿真环境中验证，避免评估影响真实业务。

记录模型、运行环境、知识快照及场景条件，把评测结论与被测版本关联。仿真通过并不等于真实外部系统集成通过。

把平台能力落到具体输入、检查与交付。

代表性样本、预期表现、边界场景和通过标准。

候选版本在哪些条件下通过、哪些场景失败，以及结果对应的证据。

可重复运行的评测集、问题样本与版本比较记录。

两个产品提供具体业务问题与验收对象，可用于理解质量评测和能力治理的应用目标；具体接入范围以项目交付为准。

以下应用来自电网业务，可参考能力组织方式；金融与生物制药场景需结合自身资料、规则与验收标准定义试点。

Evaluation 保存质量事实与证据；Flow 执行被测能力，Knowledge 提供只读知识快照，Hub 将评估依据与发布版本关联。

原子能力组合版本、统一导入与能力级评估等内容依据已评审设计说明体系方向；具体可用功能以部署版本及项目验收范围为准。