先求清晰，再谈可视化

本文演示如何用开源评测框架 Inspect AI 与 Harbor 评估智能体技能，并借助 Google Sheets 与 Data Studio 完成可视化分析。作者主张在搭建评测体系时应当先求清晰，再谈可视化，避免被花哨图表带偏。

核心亮点

文章的核心观点是评测设计应优先保证指标定义清晰、样本可解释，可视化只是第二步的呈现手段。很多团队急于做仪表盘，反而掩盖了评测本身的缺陷，最终用漂亮图形包装了不可靠的结论。作者提醒，好看的图表不等于可靠的测量，呈现永远不能替代严谨。

具体能力或事件经过

作者使用 Inspect AI 定义评测任务与评分逻辑，用 Harbor 管理智能体运行环境，确保每次评测在一致条件下复现。评测产出原始结果后，再导入 Google Sheets 做整理，最后通过 Data Studio 生成可分享的报表，让非技术同事也能读懂结论，而不必接触底层代码。

技术细节

Inspect AI 提供评分器与数据集抽象，Harbor 负责容器化隔离，二者结合可降低环境漂移带来的噪声。Google Sheets 承担轻量数据清洗，Data Studio 负责交互式图表，按维度筛选查看。这种分工让每个工具都待在自己擅长的位置，而不是强行让一个平台包揽全部。

与竞品对比

相比直接上重型评测平台，这种开源组合更轻、更可控，适合中小团队快速验证想法，但缺少开箱即用的协作文档与企业级权限，这是大组织常有的期待。

行业影响或适用场景

对于正在构建智能体产品的团队，本文提供了一套低成本、可审计的评测方法论，强调先想清楚测什么，再决定怎么画。在基准刷分泛滥的当下，这种纪律正是区分有效信号与装饰噪声的关键，也给了团队在结论被质疑时可以据理力争的基础。