filterRun()

根据声明式选项创建 prepareRun 函数。将结果传给 createScorer()，即可筛选消息并限制上下文大小。它还会在 Scorer pipeline 运行前移除不必要的字段。

如需声明式筛选，请使用 filterRun()。当你需要 filterRun() 未涵盖的命令式逻辑时，可直接编写自定义 prepareRun 函数。详情请参阅自定义 Scorer：输入筛选。

使用示例

以下示例创建了一个 Scorer，它只能看到 Tool 调用和文本消息，并将上下文限制为最近 20 条消息：

src/mastra/scorers/tool-scorer.ts

import { createScorer, filterRun } from '@mastra/core/evals'

const toolScorer = createScorer({
  id: 'tool-usage',
  description: 'Evaluates tool usage patterns',
  type: 'agent',
  prepareRun: filterRun({
    partTypes: ['tool-invocation', 'text'],
    maxRememberedMessages: 20,
  }),
}).generateScore(({ run }) => {
  // run.input.rememberedMessages contains only tool and text messages
  // run.output contains only tool and text messages
  return 1
})

按 Tool 名称筛选

仅保留涉及特定 Tool 的消息：

import { createScorer, filterRun } from '@mastra/core/evals'

const fileEditScorer = createScorer({
  id: 'file-edit-quality',
  description: 'Evaluates file editing patterns',
  type: 'agent',
  prepareRun: filterRun({
    toolNames: ['write_file', 'string_replace_lsp', 'view'],
  }),
}).generateScore(({ run }) => {
  // Only messages with these tool calls remain
  return 1
})

移除字段

移除 Scorer 不需要的字段：

import { createScorer, filterRun } from '@mastra/core/evals'

const simpleScorer = createScorer({
  id: 'response-length',
  description: 'Checks response length',
  type: 'agent',
  prepareRun: filterRun({
    dropRequestContext: true,
    dropExpectedTrajectory: true,
    dropGroundTruth: true,
    maxOutputMessages: 5,
  }),
}).generateScore(({ run }) => {
  return run.output.length > 0 ? 1 : 0
})

参数

options:

FilterRunOptions

用于控制 Scorer 接收哪些数据的配置对象。

object

partTypes?:

MastraPartType[]

仅保留 part 与这些类型匹配的消息。每一项都与消息 part 的 type 进行前缀匹配。除非明确排除，否则始终保留纯文本消息（不含 Tool 调用）。System 消息和带标签的 System 消息永远不会被筛除。

toolNames?:

string[]

仅保留针对这些特定 Tool 的 Tool 调用消息。每一项都与 Tool 名称进行前缀匹配。非 Tool 消息（文本、数据）不受影响。

maxRememberedMessages?:

number

remembered messages（上下文）中最多保留的消息数量。从末尾（最新消息）开始取。在类型和 Tool 筛选后应用。

maxOutputMessages?:

number

输出中最多保留的消息数量。从末尾开始取。在类型和 Tool 筛选后应用。

dropRequestContext?:

boolean

从 run 中完全移除 request context。

dropExpectedTrajectory?:

boolean

从 run 中移除 expected trajectory。

dropGroundTruth?:

boolean

从 run 中移除 ground truth。

返回值： (run: ScorerRun) => ScorerRun。该函数可用于 createScorer() 的 prepareRun 选项。

Part 类型

partTypes 选项接受 MastraPartType 值。每个值都按前缀匹配，因此 'data-' 会匹配所有 data part 类型。

类型	描述
'text'	文本内容 part
'tool-invocation'	Tool 调用和结果 part
'reasoning'	思维链 reasoning part
'step-start'	步骤标记 part
'image'	图像 part
'file'	文件 part
'source'	来源引用 part
'source-document'	来源文档 part
'data-'	所有 data part（匹配任意 data-* 前缀）
'data-om-'	Observational Memory 数据 part
'data-workspace-'	Workspace 数据 part
'data-sandbox-'	Sandbox 数据 part
'data-tool-'	Tool 相关 data part

筛选行为

• 当 input.rememberedMessages 和 output 包含 Agent 消息数组时，Part 类型筛选会同时应用于二者。
• Tool 名称筛选仅影响包含 Tool 调用的消息。纯文本消息会直接保留。
• 无论 partTypes 或 toolNames 如何设置，System 消息（systemMessages、taggedSystemMessages）都不会被筛选。
• 消息数量限制（maxRememberedMessages、maxOutputMessages）会在类型和 Tool 筛选后应用，并保留最新的消息。
• 同时设置 partTypes 和 toolNames 时，消息必须满足两个筛选条件才会被保留。