接入 wxa-skill-eval 评测
wxa-skill-eval 是微信官方提供的小程序 AI Skill 端到端评测工具，能自动模拟真实用户对话，对 Skill 的意图理解、轨迹生成和最终答案质量进行全方位评估，并输出多维度评测报告。
评测工具本身不内置大模型服务，需要开发者自行提供模型接入配置。云开发大模型兼容 OpenAI Chat Completions 协议，可以直接用于 wxa-skill-eval，无需额外注册其他模型服务商。
准备工作
- 已开通云开发环境，获取环境 ID（
ENV_ID） - 已购买 Token 资源包
- 在控制台 → AI → 生文模型中开启所需模型（推荐使用
hy3-preview或其他高智能度模型，以获得更准确的评测结果） - 已创建 API Key（控制台 → 环境配置 → API Key）
安装 wxa-skill-eval
从 GitHub 仓库下载 ai-mode-skills，进入 wxa-skills-eval 目录安装依赖：
cd wxa-skills-eval
pnpm install
配置 .env
在 wxa-skills-eval 目录下创建 .env 文件，填入云开发大模型的配置：
BASE_URL=https://<ENV_ID>.api.tcloudbasegateway.com/v1/ai/cloudbase
API_KEY=<YOUR_CLOUDBASE_API_KEY>
MODEL=hy3-preview
将 <ENV_ID> 替换为云开发环境 ID，<YOUR_CLOUDBASE_API_KEY> 替换为对应的 API Key。
MODEL 字段填写在控制台中已开启的模型名称。评测工具需要调用大模型来模拟用户对话，建议选用参数量较大、智能度较高的模型，以获得更准确的评测效果。
云开发 Token 资源包当前支持以下模型：
| 模型 ID | 提供商 |
|---|---|
hy3-preview | 腾讯混元 |
deepseek-v4-flash-202605 | DeepSeek（原厂直供） |
deepseek-v4-pro-202606 | DeepSeek（原厂直供） |
deepseek-v4-flash | DeepSeek |
deepseek-v4-pro | DeepSeek |
deepseek-v3.2 | DeepSeek |
glm-5.1 | 智谱清言 |
glm-5v-turbo | 智谱清言 |
glm-5-turbo | 智谱清言 |
glm-5 | 智谱清言 |
kimi-k2.6 | Moonshot |
kimi-k2.5 | Moonshot |
minimax-m3 | MiniMax |
minimax-m2.7 | MiniMax |
minimax-m2.5 | MiniMax |
qwen3.5-flash | 阿里 |
qwen3.5-plus | 阿里 |
使用前需在控制台开启对应模型，并确保已购买 Token 资源包。
URL 中的 cloudbase 是云开发统一的 provider，适用于通过 Token 资源包购买的所有模型（DeepSeek、混元、Kimi、GLM 等）。
运行评测
根据需要选择以下任意一种方式启动评测：
Web UI 模式（推荐，可视化操作）：
pnpm dev:web
CLI 模式：
pnpm dev
评测报告
评测完成后，工具会生成 eval_report.html 报告文件，包含以下维度的评估结果：
| 维度 | 说明 |
|---|---|
| 意图理解 | Skill 对用户指令的理解准确度 |
| 轨迹生成 | 操作路径的合理性与完整性 |
| 最终答案质量 | 输出结果的正确性与质量 |
| 接口覆盖率 | 原子接口与组件的测试覆盖情况 |
建议每个 Skill 至少运行 30 个测试用例以保证充分覆盖。
wxa-skill-eval 仅供开发阶段自测使用，评测结果不作为微信小程序审核的依据。微信官方的上线评测标准将另行公布。