结果只留在当页：字节用在线测试核技能能不能跑通

结果只留在当页：字节用在线测试核技能能不能跑通

火山引擎 AgentKit 文档《在线测试》的页面最近更新时间是 2026.10.19 16:22:59。这一页讲的是技能发布前的运行态验证：用多轮自然语言或上传文件，看任务配置有没有生效。可以测单个技能，也可以测一个技能空间里全部技能的组合调用。本页没有评测集条数、裁判分数或通过线。

上线前要核的四件事

文档把在线测试要确认的问题收成四条。一是加载与调用：技能或技能空间能不能被正常加载、被调用。二是任务稳定性：在指定模型和环境配置下，典型任务能不能稳定做完。三是路由：多技能时，系统会不会选到合适的能力。四是全链路：附件上传、文件生成、文件修改和结果下载是否符合预期。

对应的用法也是四类。测单个技能，看它是否理解输入、走进预期路径并返回有效结果。测技能空间，看组合是否完整、协同是否合理、能不能围绕用户目标做完端到端任务。上线前用典型问题模拟真实输入，提前发现提示词不清、输入边界不明或输出结构不稳。技能如果要理解图片、读文件、生成或修改文件，就用在线测试把上传、执行、下载走一遍。修复之后用新对话重跑同一用例，确认修复生效，并看最新版本有没有带进新的副作用。

谁能测，测之前要有什么

在线测试只对自定义创建的技能开放，包括从平台预置技能克隆出来的技能。平台原生预置技能是系统内置能力，不能用这个功能。

测单个技能时，技能必须已经创建，状态为「可用」。测技能空间时，空间要已创建，而且里面至少有一个技能。创建时没放进空间的，要先加进去。空间里没有技能，就不能按空间维度测。

第一次使用前要先建好方舟 API Key，用来访问模型服务。需要外部工具时再准备 MCP 服务，这一项是可选的。

单个技能：选模型、发对话、结果不留存

路径是：登录 AgentKit 控制台，左侧选「技能」，点进目标技能，右上角「在线测试」。

模型和运行参数可以不改。系统会默认选中一个模型，也可以换成别的。文档写明模型按 Token 用量计费，没有在本页给出单价。运行参数里，API Key 默认已选一个，可以改成其他可用的火山方舟 API Key。MCP 服务从下拉列表里选。环境变量要填变量名和变量值，用来放访问凭证、服务地址或功能开关。文档要求变量名和技能代码里读取的名称一致，避免把敏感信息写死在技能文件里。改完要点「保存」。

发起方式有两种。推荐用快捷提示词：系统按场景预置测试提示词，选中就发起。也可以在对话框里自己写指令。附件可选。当前只支持 .doc、.docx、.ppt、.pptx、.pdf、.xlsx、.txt，单个文件不超过 5 MB。

看执行过程和返回结果时，核对输出内容、返回格式和业务逻辑。符合预期就可以去发布。如果需求不清，或缺少业务规则、配置参数、场景信息，页面会要求补充，补完继续跑，可以反复调整。当前结果不满意，点「+ 新对话」丢掉上下文重来。

测试结果只临时保存。退出当前页面，或者新建对话，原来的结果就不能再看。

技能空间看的是路由，不是单点输出

空间测试用的是空间里的全部技能，重点是路由、调用顺序、协同和最终输出，不是只看某一个技能的返回。入口换成：左侧「技能」，打开「技能空间」页签，在目标空间的操作列点「在线测试」。模型和运行参数、看结果的方式，与单个技能基本一致。

这些限制不能被读成什么

5 MB 和那 7 种扩展名只约束在线测试的参考附件，不是评测集文件上限。Token 计费没有写进单价。结果不能回看，所以这一页做不了留档对照，也没有分数。原生预置技能不在测试范围内。空间测试的前提是空间里已经有技能。

出处：字节，火山引擎 AgentKit，在线测试，2026-10-19，https://www.volcengine.com/docs/agentkit/online-test-1