Gemini Enterprise Agent Platform

資料來源#

• Driving the Agent Quality Flywheel from Your Coding Agent- Google Developers Blog

摘要#

Google Cloud 用於建置、執行與評估代理的平臺——在本資料集中，是 Agent Quality Flywheel 底層的基礎設施。其評估堆疊是值得注意的部分：這是一項 GenAI 評估服務，其 AutoRaters（與 Google DeepMind 共同開發；Google 表示，這些評分器也用於自家模型與第一方代理）是自適應的模型式評審器——對多輪代理而言，它們會從對話中擷取使用者意圖、為每個案例產生評分規準、依各項標準驗證追蹤記錄，並在多個樣本間以多數決作出判定。

參考元件#

• GenAI evaluation service — 飛輪中 optimizer/evaluator split 的獨立評分器；提供預先定義的多輪 AutoRaters（multi_turn_task_success、multi_turn_trajectory_quality），以及自訂評分規則指標。
• User Simulator — 在尚未有真實流量前，合成多輪情境以進行冷啟動評估。
• Automatic Loss Analysis — 當失敗數量達到十次以上時，將失敗判定分群。
• Online Monitors — 持續評估即時 production 流量，並將品質分數寫入 Cloud Monitoring。
• OTel tracing — 代理會發出 OpenTelemetry 追蹤記錄（ADK 預設如此）；production 追蹤記錄也可作為評估資料集。
• ADK (Agent Development Kit) + agents-cli — Google 的代理框架與 CLI 工具鏈；adk-samples 中的代理是飛輪的示範對象。
• The two skill packages — google-agents-cli-eval（ADK/agents-cli）與 agent-platform-eval-flywheel（Evaluation SDK，適用於任何框架），透過 skills.sh 的 npx skills add … 安裝。

在資料集中的定位#

這是 Google 方面對應於 Claude Code 與 Codex 代理堆疊的平臺——但那些條目著重於使用代理進行建置，而本平臺在資料集中的角色是衡量代理：它將評估（評審器、模擬器、監控器）包裝成產品介面。其交付機制是由你已在使用的任何 coding agent 驅動的 skill，本身也印證了 skills-as-distribution-unit 模式（Agentic Work Systematization）。

相關連結#

• Agent Quality Flywheel — 本平臺提供並執行的方法論
• Google DeepMind — 評估堆疊核心 AutoRaters 的共同開發者
• Optimizer–Evaluator Decoupling — 評估服務是該規則要求的獨立評分器

資料來源#

• Driving the Agent Quality Flywheel from Your Coding Agent- Google Developers Blog — Melnyk & Dai, 2026-06-30 (vendor-claim)