EvalDock 是面向各类 Agent 的跨生态评测与选型平台。我们通过评测 Agent 及其插件在真实任务中的表现，为使用者提供符合具体需求的推荐与解决方案，为开发者提供针对性的优化方案。
看清 Agent 能力，选对 AI 助手。EvalDock 将任务表现与评测证据联系起来，帮助使用者判断工具是否适合自己的任务，也帮助开发者找到改进方向。
对使用者：找到适合实际任务的 Agent 和插件
面对功能介绍相似的 Agent，你可能更关心：它能否完成我需要的任务？交付结果是否符合要求？哪些插件能补上所需的能力？
EvalDock 从你希望完成的任务、使用场景和目标出发，提供 Agent 与插件推荐及解决方案。评测将这些需求与工具的实际表现对应起来，为推荐提供依据。
结合任务结果、运行条件和评测理由，你可以了解一个工具适合做什么，以及它的表现是否符合自己的要求，从而更有依据地选择适合实际工作的 AI 助手。
对开发者：定位问题，明确改进方向
Agent 在演示任务中表现不错，开发者仍需要了解：它在哪些任务上容易失败，问题发生在执行的哪个环节？
EvalDock 围绕开发者的产品目标开展评测，结合任务过程、工具调用和最终交付结果定位问题，提供针对性的优化方案，并按方案需要准备评测工具和评测集。
任务是否完成了要求，工具调用出现了什么问题，交付结果与预期有哪些差距，都可以结合任务记录与评分理由进一步分析。这些具体证据，帮助开发者明确后续改进的方向。
评测结论有什么依据？
EvalDock 将真实任务、执行过程与交付结果组织成可回查的评测证据，并形成逐题报告、分维度分数和评分理由。理解结论时，可以从三个方面查看依据：
任务与条件
记录测试任务、被测对象、配置和运行环境，说明结论是在什么条件下得到的，便于判断它与自己的任务是否相关。
过程与结果
保留执行轨迹、工具调用和交付物，帮助回查任务如何完成、问题出现在哪里，以及最终交付了什么。
评分与理由
按评测维度给出分数和判断依据，让读者理解结果所反映的能力与不足。
选择工具时，这些证据帮助使用者判断评测条件与自己的任务是否相符；改进产品时，同样的证据帮助开发者定位问题，为优化方案提供依据。
本文由 EvalDock 团队撰写。
