让 Agent 安装 Skill
Install the EvalScope project skill from https://github.com/modelscope/evalscope/tree/main/skills/evalscope. Read it after installation, then tell me what you need from me before using EvalScope.
开始使用
让你的编码 Agent 安全地开始。
安装 EvalScope 项目 Skill 后，直接描述你希望完成的任务。Agent 会在运行前确认所需的模型、端点和其他上下文。
选择你的任务
给编码 Agent 一个边界清晰的任务。
同一原则 · 更多可能
评测模型能力
运行有边界的评测。
与 Agent 确认模型和评测上下文，再查看已保存的结果。
Use the EvalScope project skill to evaluate qwen-plus on five GSM8K samples. Ask me for the model or endpoint configuration you need before running it, then report the results and where the outputs were saved.
命令行
从终端运行一次小型评测。
安装服务工具，运行五条 API 样本，然后在本地打开已保存的产物。
01
安装服务工具提供 CLI 与本地 Dashboard。
02
运行五条样本通过环境变量中的 API key 调用远端模型。
03
检查产物从 ./outputs 打开报告、预测与配置。
pip install 'evalscope[service]'
export DASHSCOPE_API_KEY='…'
evalscope eval \
--model qwen-plus \
--api-key "$DASHSCOPE_API_KEY" \
--datasets gsm8k \
--limit 5
evalscope service --outputs ./outputs只排查真正变化的部分。
我的 API 端点兼容 OpenAI，但不是 DashScope。
继续使用 API 路径；把 URL、模型名和环境变量替换为服务商提供的值。
我没有 GPU。
本页没有任何步骤需要 GPU。使用远端兼容 API，避免本地 checkpoint 模型类型。
我的结果在哪里？
EvalScope 会输出结果目录。请保留它；报告、预测、review 和配置都在该运行目录下。