课程章节介绍
好，同学们，咱们现在来看这一页内容，讲的是怎么去验证我们Agent的行为是否符合预期。听起来有点抽象？没关系，我一步步拆开说，你会觉得很简单。
我们有一个工具，叫“标准期望”，它是用来测Agent的特定行为的。比如你设计了Agent回答用户问题，但你怎么知道它按你想的做了？就得靠这些检查。
第一种检查叫 ，topic_order_match，，它查的是Agent有没有调用正确的子代理。如果你期望它某一步该用“客服子代理”，结果它跑去用“销售子代理”了，这个检查就会失败。
第二种 ，action_order_match，，是验证Agent调用了哪些具体操作。你想测它不应做任何操作时，就在这个检查里用 `[]` 空数组，代表“我预期没有任何操作”。如果它居然调了某个接口，就算失败。
第三种 ，bot_respect_rating，，是做语义比较的，不是死板比对文字，而是看回答的核心含义对不对。比如你问“怎么退货”，它回答“您需要先申请退货授权码”，只要意思到位，哪怕措辞不一样，这个检查也会通过。它不要求一字不差。
另外还有一些，质量指标，，它们不需要像前面那样填 `expectedValue` 字段。这些是什么呢？
- ，连贯性，（coherence）：看回答读起来顺不顺，有没有逻辑混乱。
- ，完整性，（completeness）：信息覆盖全不全，别漏了用户需要的关键点。
- ，简洁性，（conciseness）：越精简越好，不啰嗦。
- ，响应时间，（put_latency_mills）：纯粹测快慢，单位是毫秒。
- ，启动可及性，（initiation_accessibility）：评估Agent是不是严格按照子代理给的指令去回应，并且会给出高、低或不确定这样的评分。
所以你看到，我们既能测行为步骤对不对，也能测回答的质量好不好。把这些组合起来，就能很稳地保证Agent的表现。这块理解了吗？没问题的话我们接着往下走。