AgentArcEval：面向基础模型智能体的架构评估方法
软件工程
2025-10-27 v1 人工智能
摘要
基础模型（Foundation Models, FMs）的出现，使开发高度 Capable 且自主的智能体成为可能，开辟了在广泛领域内释放新应用机会的可能性。评估智能体的架构尤为重要，因为架构决策显著影响智能体的质量属性，而这些决策受制于智能体独有的特征，包括复合架构、自主且非确定性行为，以及持续演化。然而，这些传统方法在面对智能体架构评估需求时显得不足，因为它们无法妥善处理这些智能体的独特特征。因此，本文提出了 AgentArcEval，一种专为解决基于基础模型智能体架构复杂性及其评估问题而设计的新型智能体架构评估方法。此外，我们提供了一套智能体特定的通用情景目录，作为生成具体情景以设计和评估智能体架构的指南。我们通过对真实世界税务助理（Luna）架构评估的案例研究，展示了 AgentArcEval 和该情景目录的实用性。
引用
@article{arxiv.2510.21031,
title = {AgentArcEval: An Architecture Evaluation Method for Foundation Model based Agents},
author = {Qinghua Lu and Dehai Zhao and Yue Liu and Hao Zhang and Liming Zhu and Xiwei Xu and Angela Shi and Tristan Tan and Rick Kazman},
journal= {arXiv preprint arXiv:2510.21031},
year = {2025}
}