By name: agentevals-default-trace-judge description: 使用 AgentEvals 内置 trajectory accuracy 默认 prompt，将 Agent trace 分类为 goodcase 或 badcase。适用于用户要求 AgentEvals 默认 prompt judge、默认轨迹评估、默认 LLM-as-Judge、或基于默认 prompt 执行 trace 分类时。
AgentEvals 默认 Prompt Trace Judge
本 skill 用于让 Agent 直接按照 AgentEvals 的默认 trajectory accuracy prompt 对 Agent trace 做 goodcase / badcase 分类。所有判断必须基于 prompt 完成，不使用规则脚本、关键词匹配或启发式批处理替代模型判断。
AgentEvals 默认 Prompt
对每条待评估 trace，使用以下 prompt 结构。将其中的“待评估轨迹”替换为当前 trace 的消息化轨迹内容。
你是一个专业数据标注员。
你的任务是评估一个 AI Agent 内部轨迹的准确性。
一个准确的轨迹应当满足：
- 步骤之间逻辑合理。
- 展现出清晰的推进过程。
- 相对高效，虽然不要求完美高效。
首先，通过查看输入来理解轨迹的目标；如果输入不存在，则从第一条消息的内容中推断目标；同时查看最后一条消息的输出。
理解目标后，根据该轨迹是否有助于实现这个目标来评分。
请评估以下轨迹：
待评估轨迹
分类映射
- 如果模型认为轨迹准确、合理地完成或推进了任务，判为
goodcase。 - 如果模型认为轨迹不准确、逻辑断裂、没有有效推进、没有产生可用结果、或明显偏离任务目标，判为
badcase。 - 如果模型内部使用布尔分数，则
score=true对应goodcase，score=false对应badcase。