範例

客服 Agent：把政策測成一套自動化檢查

這個範例假設你有一個客服 Agent，想確認它會不會依退貨、出貨和退款政策回答。它提供一個可立即執行的小型 Agent，示範完整流程。

範例裡有什麼？

位置	用途
`examples/support-demo-agent/knowledge.md`	客服政策，也是用來產生題目的依據。
`examples/support-demo-agent/engine.py`	範例 Agent 的內部判斷邏輯。
`examples/support-demo-agent/server.py`	讓其他程式能把問題送給 Agent 的 HTTP 服務。

範例 Agent 不需要額外套件；但產生題目和評估時，LLaDAR provider 必須已經設定好。

Agent 對外提供的方式

服務啟動後，其他程式可以用 POST /api/chat 傳送問題。請求內容是 {"input":{"text":"我要申請退款"}}，回覆內容是 {"data":{"answer":"..."}}。GET /health 可用來確認服務是否已準備好。

engine.py 是內部程式碼；實際使用者或其他程式會透過上面的 HTTP 入口與 Agent 溝通。

做法一：讓 LLaDAR 直接讀取範例專案

這是最適合第一次嘗試的做法。LLaDAR 會自行讀取專案、找出如何執行 Agent，先試跑確認後再回答所有題目。

lladar create test-dataset --knowledge examples/support-demo-agent/knowledge.md --output artifacts/support-demo/dataset.json
lladar run-agent --project examples/support-demo-agent --dataset artifacts/support-demo/dataset.json --output artifacts/support-demo/run.json --no-interactive
lladar eval --dataset artifacts/support-demo/dataset.json --run artifacts/support-demo/run.json --output artifacts/support-demo/evaluation.json
lladar report --evaluation artifacts/support-demo/evaluation.json --output artifacts/support-demo/report.md

做法二：先啟動服務，再指定服務網址

這個做法適合你的 Agent 已經由團隊啟動成測試服務。先在一個終端機啟動範例服務：

python examples/support-demo-agent/server.py --port 8765

接著在另一個終端機執行測試：

lladar run-agent --project examples/support-demo-agent --service-url http://127.0.0.1:8765 --dataset artifacts/support-demo/dataset.json --output artifacts/support-demo/run.json

這種方式下，服務由你負責啟動和停止；LLaDAR 只會呼叫你指定的網址。

成功代表什麼？

成功不表示 Agent 的每句話都固定不變，而是你能在產物中看到完整過程：題目從哪份政策產生、問題確實送到 Agent、每題收到什麼回答、如何判斷，以及報告如何統計。這些檔案讓你可以重跑、檢查和改善。