火山引擎 AgentKit 技能评测：以电商客服为例，让 Skill 敢上生产

火山引擎 AgentKit 推出技能评测功能，串起判分、洞察调优与对比验证闭环，支持 Agent as a Judge 和六个预置评估维度。在电商退款审核 Skill 演示中，评测发现该 Skill 改写了退款政策导致结果正确性仅 91.3 分，调优后综合得分从 95.8 提升至 99.8，结果正确性达 100。评测还支持有无 Skill、不同 Skill 的 A/B 复测，用数据判断质量与成本。