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

# 語氣一致性評分器

`createToneScorer()` 函式會評估文字的情緒語氣與情感一致性。它能以兩種模式運作：比較輸入／輸出組合之間的語氣，或分析單一文字內的語氣穩定性。

## 參數

`createToneScorer()` 函式不接受任何選項。

此函式會傳回 MastraScorer 類別的執行個體。如需 `.run()` 方法及其輸入／輸出的詳細資訊，請參閱 [MastraScorer 參考文件](https://mastra.zisheng.pro/zh-TW/reference/evals/mastra-scorer)。

## `.run()` 傳回值

**runId** (`string`): 此次執行的 ID（選填）。

**analyzeStepResult** (`object`): 包含語氣指標的物件：{ responseSentiment: number, referenceSentiment: number, difference: number }（比較模式）或 { avgSentiment: number, sentimentVariance: number }（穩定性模式）

**score** (`number`): 語氣一致性／穩定性分數（0–1）。

`.run()` 會傳回以下結構的結果：

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

## 評分詳情

此評分器會分析語氣模式，並依模式採用對應的評分方式，以評估情感一致性。

### 評分流程

1. 分析語氣模式：

   - 擷取情感特徵
   - 計算情感分數
   - 衡量語氣變化

2. 計算特定模式的分數： **語氣一致性**（輸入與輸出）：

   - 比較文字之間的情感
   - 計算情感差異
   - 分數 = 1 - (sentiment\_difference / max\_difference) **語氣穩定性**（單一輸入）：
   - 分析各句的情感
   - 計算情感變異數
   - 分數 = 1 - (sentiment\_variance / max\_variance)

最終分數：`mode_specific_score * scale`

### 分數解讀

（0 到 scale，預設為 0–1）

- 1.0：語氣一致性／穩定性完美
- 0.7–0.9：一致性高，只有輕微變化
- 0.4–0.6：一致性中等，有明顯轉變
- 0.1–0.3：一致性低，語氣大幅改變
- 0.0：毫無一致性——語氣完全不同

### `analyzeStepResult`

包含語氣指標的物件：

- **responseSentiment**：回應的情感分數（比較模式）。
- **referenceSentiment**：輸入／參考文字的情感分數（比較模式）。
- **difference**：情感分數之間的絕對差異（比較模式）。
- **avgSentiment**：各句的平均情感（穩定性模式）。
- **sentimentVariance**：各句情感的變異數（穩定性模式）。

## 範例

評估相關 Agent 回應之間的語氣一致性：

```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)
```

如需 `runEvals` 的詳細資訊，請參閱 [runEvals 參考文件](https://mastra.zisheng.pro/zh-TW/reference/evals/run-evals)。

如需將此評分器新增至 Agent，請參閱[評分器概觀](https://mastra.zisheng.pro/zh-TW/docs/evals/overview)指南。

## 相關資源

- [內容相似度評分器](https://mastra.zisheng.pro/zh-TW/reference/evals/content-similarity)
- [毒性評分器](https://mastra.zisheng.pro/zh-TW/reference/evals/toxicity)