> Discover all available pages from the documentation index: https://mastra.zisheng.pro/ko/llms.txt

# 톤 일관성 득점자

그만큼`createToneScorer()`함수는 텍스트의 감정적 어조와 감정 일관성을 평가합니다. 입력/출력 쌍 간의 톤을 비교하거나 단일 텍스트 내의 톤 안정성을 분석하는 두 가지 모드로 작동할 수 있습니다.

## 매개변수

그만큼`createToneScorer()` function doesn't take any options.

이 함수는 MastraScorer 클래스의 인스턴스를 반환합니다. `.run()` 메서드와 그 입력/출력에 대한 자세한 내용은 [MastraScorer 레퍼런스](https://mastra.zisheng.pro/ko/reference/evals/mastra-scorer)를 참조하세요.

## `.run()`보고

**runId** (`string`): 실행 ID입니다(선택 사항).

**analyzeStepResult** (`object`): 어조 지표가 포함된 객체: { responseSentiment: number, referenceSentiment: number, difference: number }(비교 모드) 또는 { avgSentiment: number, sentimentVariance: number }(안정성 모드)

**score** (`number`): 어조 일관성/안정성 점수(0\~1)입니다.

`.run()`다음과 같은 형태로 결과를 반환합니다.

```typescript
{
  runId: string,
  analyzeStepResult: {
    responseSentiment?: number,
    referenceSentiment?: number,
    difference?: number,
    avgSentiment?: number,
    sentimentVariance?: number,
  },
  score: number
}
```

## 채점 세부정보

채점자는 톤 패턴 분석과 모드별 채점을 통해 정서 일관성을 평가합니다.

### 채점 과정

1. 어조 패턴을 분석합니다.

   - 감성 특징 추출
   - 감성 점수 계산
   - 어조 변화 측정

2. 모드별 점수를 계산합니다. **어조 일관성**(입력 및 출력):

   - 텍스트 간 감성 비교
   - 감성 차이 계산
   - 점수 = 1 - (sentiment\_difference / max\_difference) **어조 안정성**(단일 입력):
   - 문장 전체의 감성 분석
   - 감성 분산 계산
   - 점수 = 1 - (sentiment\_variance / max\_variance) 최종 점수:`mode_specific_score * scale`

### 점수 해석

(0은 스케일, 기본값은 0-1)

- 1.0: 완벽한 톤 일관성/안정성
- 0.7-0.9: 사소한 변형이 있는 강력한 일관성
- 0.4-0.6: 눈에 띄는 변화가 있는 중간 정도의 일관성
- 0.1-0.3: 주요 톤 변화에 따른 일관성 부족
- 0.0: 일관성 없음 - 완전히 다른 톤

### `analyzeStepResult`

톤 메트릭이 있는 개체:

- **반응감정**: 응답에 대한 감정 점수(비교 모드)입니다.
- **참조감정**: 입력/참조에 대한 감정 점수(비교 모드)입니다.
- **차이점**: 감정 점수 간의 절대적인 차이입니다(비교 모드).
- **평균감정**: 문장 전체의 평균 감정(안정 모드)입니다.
- **감정차이**: 문장에 따른 감정의 변화(안정 모드).

## 예

관련 Agent 응답 간의 어조 일관성을 평가합니다.

```typescript
import { runEvals } from '@mastra/core/evals'
import { createToneScorer } from '@mastra/evals/scorers/prebuilt'
import { myAgent } from './agent'

const scorer = createToneScorer()

const result = await runEvals({
  data: [
    {
      input: 'How was your experience with our service?',
      groundTruth: 'The service was excellent and exceeded expectations!',
    },
    {
      input: 'Tell me about the customer support',
      groundTruth: 'The support team was friendly and very helpful.',
    },
  ],
  scorers: [scorer],
  target: myAgent,
  onItemComplete: ({ scorerResults }) => {
    console.log({
      score: scorerResults[scorer.id].score,
    })
  },
})

console.log(result.scores)
```

`runEvals`에 대한 자세한 내용은 [runEvals 레퍼런스](https://mastra.zisheng.pro/ko/reference/evals/run-evals)를 참조하세요. 이 득점자를 Agent에 추가하려면 다음을 참조하세요.[Scorers overview](https://mastra.zisheng.pro/ko/docs/evals/overview) guide.

## 관련된

- [콘텐츠 유사성 점수 측정기](https://mastra.zisheng.pro/ko/reference/evals/content-similarity)
- [독성 점수 측정기](https://mastra.zisheng.pro/ko/reference/evals/toxicity)