优化是质量飞轮的最后阶段。通过评估和故障聚类分析确定系统性问题后，您可以使用 Optimizer 服务以编程方式优化代理的系统指令或工具说明。此自动化流程可识别确切的故障点，并以迭代方式提出有针对性的更新，直到找到评估数据集的最佳提示为止。
优化飞轮
优化智能体通常遵循一个三步循环：
- 分析失败：找出具体的行为差距，例如代理未能验证用户身份的“损失集群”。
- 提出改进建议：优化器会针对系统指令（例如“在确认预订之前，始终要求提供飞行常客卡号”）生成“补丁”。
- 验证增益：系统会自动运行对照比较评估，以确保新指令可提高得分，而不会导致回归。
使用 SDK 以程序化方式进行优化
您可以使用 Agent Platform SDK 直接触发优化作业。优化器使用 GEPA 或 MIPRO 等高级方法从测试用例中派生新规则。
# Automatically refine the system prompt to fix identified issues
optimize_result = client.optimizer.optimize(
targets=["system_prompt"], # Specify which resource to optimize
benchmark=eval_result, # Use results from a previous evaluation run
tests=eval_dataset, # The test cases the agent should pass
optimization_params={
"method": "gepa", # Use the GEPA optimization method
"num_steps": 5 # Number of iterations to perform
}
)
# Preview the optimized instruction
print("Optimized Instruction:", optimize_result.instruction)
使用 CLI 进行优化
对于本地开发，您可以使用 adk optimize 命令直接从终端更新智能体代码。
- 运行优化命令，以本地代理模块为目标：
sh adk optimize . --target instruction --eval_set my_test_suite - 在终端中查看建议的更改。
- 输入 y，将优化后的指令应用到
agent.py文件。
控制台中的视觉优化
在 Google Cloud 控制台中，您可以使用可视化分析洞见来触发优化：
在 Google Cloud 控制台中，前往 Agent Platform > Agents > Evaluation 页面。
选择失败的评估运行。
选择特定的损失聚类（例如“工具参数格式无效”）。
点击 Fix with Optimizer 按钮。
查看系统指令的之前/之后差异，然后点击接受以更新代理。