Agenta项目中变体服务导致重复创建评估器的问题分析
2025-06-29 13:09:48作者:柯茵沙
在Agenta项目的后端实现中,我们发现了一个关于评估器创建逻辑的设计问题。该问题会导致每次创建新的应用变体时,系统都会重复创建一些默认的评估器(如精确匹配和JSON包含评估器),而实际上这些评估器应该只在应用初始化时创建一次。
问题背景
在Agenta的架构设计中,评估器是用于验证和评估应用输出质量的重要组件。系统预设了一些常用的评估器类型,包括精确匹配(exact match)和JSON包含(contains json)评估器,这些评估器应该作为基础功能在应用初始化时就准备好。
问题表现
当前实现中存在一个逻辑缺陷:每当用户通过CLI工具创建一个新的应用变体并启动服务时,系统都会重新创建这些基础评估器。这导致数据库中会出现大量重复的评估器记录,不仅浪费存储空间,还可能影响系统性能。
技术分析
通过查看源代码,我们发现问题的根源在于create_ready_to_use_evaluators函数的调用时机不当。这个函数负责创建预设评估器,但当前实现中它在两个不恰当的时机被调用:
- 在创建新变体时被调用
- 在某些特定的路由处理中被调用
而实际上,这个函数应该只在应用初始化阶段被调用一次,即在应用创建时执行。
解决方案
正确的实现方式应该是:
- 将
create_ready_to_use_evaluators的调用从变体创建逻辑中移除 - 确保该函数只在应用初始化流程中执行一次
- 保留预设评估器的创建逻辑,但确保它们不会被重复创建
这种修改不仅能解决重复创建的问题,还能保持系统的原有功能完整性,同时提高数据库的使用效率。
影响范围
这个问题属于低优先级问题,因为它不影响核心功能的使用,但会导致数据库中出现冗余数据。对于大型应用或频繁创建变体的场景,这个问题可能会逐渐显现出性能影响。
总结
在软件开发中,初始化逻辑的放置位置是一个常见的设计考量点。Agenta项目中的这个案例很好地展示了如何通过分析函数调用时机来优化系统设计。对于开发者来说,理解何时创建资源、何时复用现有资源是构建高效系统的重要技能。这个问题的修复将有助于保持Agenta后端的数据整洁性和运行效率。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
661