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

# Rubric 評分器

**新增於：** `@mastra/evals@1.3.0`

`createRubricScorer()` 函式會建立 LLM-as-judge 評分器，依照 rubric（條件檢查清單）評定 Agent 的輸出。它會傳回**二元**分數：只有滿足每項必要條件時才為 `1`，否則為 `0`。`reason` 會列出每項條件的判定結果，讓 Agent 確切知道需要修正的內容。

此評分器可直接搭配 [`isTaskComplete`](https://mastra.zisheng.pro/zh-TW/reference/streaming/agents/stream) 使用。由於 `isTaskComplete` 會將 `score === 1` 視為「任務已完成」，並把 `reason` 當作意見回饋注入對話，因此 Agent 會持續反覆修正，直到符合 rubric（或達到 `maxSteps`）為止。

## 參數

**model** (`MastraModelConfig`): 用來依照 rubric 評定輸出的語言模型。通常使用較小、成本較低的模型就足以進行評定。

**criteria** (`RubricCriterion[] | string`): 用於評定的 rubric。字串會視為以換行分隔的檢查清單（每一行都會成為必要條件）。若省略，執行時會從 request／additional context 的 rubric 值讀取 rubric；若無法解析出任何值，評分器便不執行任何操作並傳回 1。

**options** (`RubricScorerOptions`): 評分器的設定選項

## `.run()` 傳回值

**score** (`number`): 每項必要條件皆滿足時為 1，否則為 0（乘以 scale）。

**reason** (`string`): 逐項說明哪些條件已滿足、哪些未滿足及其原因。這就是 isTaskComplete 注入對話中作為意見回饋的文字。

## 搭配 isTaskComplete 使用

定義一次 rubric，將評分器附加至 `isTaskComplete`，Agent 就會自行修正，直到符合 rubric：

```typescript
import { Agent } from '@mastra/core/agent'
import { createRubricScorer } from '@mastra/evals/scorers/prebuilt'

const supervisor = new Agent({
  id: 'supervisor',
  instructions: `You coordinate research and writing using specialized agents. Delegate to research-agent for facts, then writing-agent for content.`,
  model: 'openai/gpt-5.6-sol',
  agents: { researchAgent, writingAgent },
})

const rubricScorer = createRubricScorer({
  model: 'openai/gpt-5-mini',
  criteria: [
    { description: 'The response includes an analysis section' },
    { description: 'The response includes concrete recommendations' },
  ],
})

const stream = await supervisor.stream('Research AI in education', {
  maxSteps: 10,
  isTaskComplete: {
    scorers: [rubricScorer],
    strategy: 'all',
  },
})
```

## 字串 rubric

以換行分隔的字串會解析為條件，且會移除常見的清單標記（`-`、`*`、`1.`）。每一行都會成為必要條件：

```typescript
const rubricScorer = createRubricScorer({
  model: 'openai/gpt-5-mini',
  criteria: `- All tests pass in the test suite
- The function is named find_duplicates and accepts a single list argument`,
})
```

## 選填條件

將條件標示為選填，即可讓它接受評定並列入報告，但不會阻止任務完成：

```typescript
const rubricScorer = createRubricScorer({
  model: 'openai/gpt-5-mini',
  criteria: [
    { description: 'Includes an analysis section', required: true },
    { description: 'Includes citations', required: false },
  ],
})
```

## 每次執行時動態指定 rubric

若未將 `criteria` 傳入 factory，評分器會從此次執行的 request context、additional context 或輸入解析 `rubric` 值。如此一來，同一個評分器執行個體就能在每次執行時評定不同的 rubric，不必重新建立：

```typescript
const rubricScorer = createRubricScorer({
  model: 'openai/gpt-5-mini',
})

await supervisor.stream('Write find_duplicates', {
  isTaskComplete: { scorers: [rubricScorer] },
  requestContext: {
    rubric: '- All tests pass\n- The function is named find_duplicates',
  },
})
```

若無法解析出 rubric，評分器會傳回 `1`，且不會阻止迴圈繼續。

## 評分詳情

此評分器分兩個階段執行：

1. **評定**：裁判模型會分別評估每項條件，並傳回各條件的判定結果（`satisfied`／未滿足）及理由。
2. **評分**：只有每項必要條件皆為 `satisfied` 時，結果才會是 `1`；否則為 `0`。若沒有任何條件標示為必要，則所有條件都會視為必要條件。

`reason` 會摘要結果，並列出每項條件及其判定結果；因此評定未通過時，Agent 會收到具體且實用的意見回饋，而非籠統的「請再試一次」。

## 相關資源

- [stream() 上的 isTaskComplete](https://mastra.zisheng.pro/zh-TW/reference/streaming/agents/stream)
- [Supervisor Agent](https://mastra.zisheng.pro/zh-TW/docs/capabilities/subagents)
- [createScorer](https://mastra.zisheng.pro/zh-TW/reference/evals/create-scorer)