构建 RAG 系统后，真正难的不是“让它能回答”，而是判断它回答得是否正确、可靠、可解释、可持续迭代。
大约 13 分钟
RAG 评估工具大致可以分成三类：
大约 8 分钟
一、简介
大约 19 分钟
记录自己关于上下文工程的一些理解，以及在工程中的实践。
小于 1 分钟
https://java.agentscope.io/zh/task/a2a.html#a2aagent
大约 3 分钟
AgentScopeJava使用统一事件模型，所有Hook都需要实现onEvent（HookEvent）方法。Hook典型应用场景包括：监控、上下文压缩、日志、限流等。
大约 2 分钟
MCP（Model ContextProtocol，模型上下文协议），使用统一的客户端-服务器架构实现LLM和外部数据源及工具的调用
小于 1 分钟
https://java.agentscope.io/zh/task/memory.html
小于 1 分钟
Agent Scope Studio：https://java.agentscope.io/zh/task/studio.html
小于 1 分钟
- 简单: 使用内置的 ReAct 智能体、工具、技能、人机协作、记忆、计划、实时语音、评估和模型微调轻松构建智能体应用
- 可扩展: 大量生态系统集成，包括工具、记忆和可观察性；内置 MCP 和 A2A 支持；消息中心（MsgHub）提供灵活的多智能体编排能力
- 生产就绪: 在本地、云端 Serverless 或 K8s 集群上轻松部署智能体应用，并内置 OTel 可观察性支持
小于 1 分钟