工具介绍
核心功能
Maxim 面向 AI Agent 和生成式应用提供从实验到线上监控的质量基础设施。团队可创建测试数据、运行评测、模拟用户与 Agent 的多轮交互，并观察工具调用和执行轨迹。版本进入生产后，追踪与告警用于发现回答质量、延迟或流程表现的变化，评测库则让开发阶段和线上分析使用相对一致的指标。
适合场景
构建客服 Agent 的团队可以模拟不同客户意图与中断情况，验证转人工和工具调用是否正确；开发检索问答产品时，可对答案相关性、依据和延迟进行版本比较。产品、工程和质量人员共享同一批运行记录后，更容易围绕具体失败会话讨论，而不是只看平均分。
使用边界
模拟用户无法完整再现真实环境中的含糊表达、恶意输入和权限变化，生产监控也只能观察已采集的事件。团队需先定义成功标准、严重级别和告警响应人，否则平台会积累大量没有行动价值的数据。导入客户会话时应做脱敏，并限制评测人员接触敏感内容。
常见问题
Maxim 为什么要模拟 Agent 对话？
多轮模拟可以在上线前重复触发不同路径，检查工具选择、状态保持和失败恢复，而不必等待真实用户碰到问题。
它能查看 Agent 的工具调用吗？
平台强调执行轨迹与可观测能力，实际可见细节取决于接入方式以及应用是否完整记录调用事件。
评测指标应该越多越好吗？
不是。指标应对应真实产品风险，并有明确阈值和处置动作；过多相近分数会掩盖最重要的失败。
