本次更新重点新增完整的测评工作台、后台 Agent 执行链路和项目时间线，让 Agent 质量评估、长任务并行处理与项目过程沉淀形成更连贯的工作流。同时完善知识库结果展示、项目文件刷新、启动反馈和企业部署定制，并同步更新模型目录与默认上下文策略。
What's Changed
测评工作台
- 新增“测评”入口，可创建数据集并维护输入、参考答案和元数据；支持逐条新增、编辑、删除，以及 CSV、JSONL / NDJSON 导入和 CSV、JSONL 导出
- 可为数据集选择 Agent、模型和评分器运行异步实验，查看实时进度、逐项输出、失败项与平均评分，并在同一数据集上对比两次已完成实验的得分差异
- 内置完整性、答案相关性、忠实度、幻觉、毒性、偏见和提示词对齐等评分器；同时支持自定义 LLM Judge 与确定性检查规则，并可在保存前使用样例即时试跑
- 可直接读取已有聊天会话，为每条 Agent 回复批量补充质量评分，无需依赖外部追踪系统
后台 Agent 与消息续接
- Agent 工具新增后台运行模式；应用保持运行时，长任务可在不阻塞主对话的情况下继续执行，完成、失败或终止结果会自动续接回原会话
- 新增全局后台 Agent 状态入口和输出面板，可查看每个任务的运行状态、耗时、文本消息、工具调用与工具结果，并支持停止运行中的任务和清理已完成记录
- 统一用户排队消息、后台 Bash 结果和后台 Agent 结果的会话队列；流式回复期间的新用户消息可选择立即插入或当前轮次结束后续接，降低同一会话中并发消息互相覆盖或重复触发的风险
项目时间线
- 每个项目可独立开启时间线；开启后，符合条件的实质项目任务成功完成时，会自动生成简短摘要、详细任务总结、交付物、开始时间和处理时长，普通闲聊不会写入
- 新增项目时间线面板，支持实时接收新记录、分页加载、查看详情，并可从记录直接打开原始聊天线程
- 时间线只选取最新一轮真实用户任务，并排除系统提醒及后台任务自动注入消息，避免将旧任务或自动完成通知误记为本轮成果
知识库、项目文件与启动体验
- 为
KnowledgeBaseList、KnowledgeBaseSearch和KnowledgeBaseGetItem增加专用结果视图，可直接查看知识库条目数、检索条件、相关度、正文和扩展字段；条目正文支持渲染视图与原始文本切换 - HTML、HTM 和 XHTML 文件新增网页预览，可在预览与源码之间切换、手动刷新，并在存在未保存修改时提示当前网页仍来自磁盘版本
- 项目文件面板重新显示时会刷新根目录和已展开目录，同时保留当前预览与展开状态，并阻止过期加载结果覆盖最新目录树
- 新增中英文启动进度窗口，按阶段展示核心服务初始化状态；本地模型等非关键服务延后到主界面显示后加载，减少启动期间的无反馈等待
- AgentBrowser 的单次命令标准输出超过 64,000 字符时会保留首尾并截断中间内容，避免巨量输出影响对话可读性和后续上下文
部署定制与功能开关
- 部署方可通过
APP_LOGO、SIDEBAR_BACKGROUND和CHAT_BACKGROUND指定assets内的侧栏 / 关于页 Logo、侧边栏背景和聊天背景；路径会校验越界、软链接与文件类型，环境指定的背景仍允许调整透明度和模糊度 - 新增项目、市场、定时任务、知识库、Agent 和测评入口的环境变量开关，便于按部署场景精简界面；侧边栏结构与按钮布局同步优化
- Bash / CodeExecution 等工具的执行环境除
AIME_CHAT_SKILL_PATH外，同时提供SKILL_PATH和SKILL_ROOT，提升不同 Skill 工具链对用户 Skill 目录的兼容性
模型与上下文维护
- 内置模型目录的供应商快照由 205 个更新至 217 个，新增 Above、Aixy、Bothub、Klok Integration、LLMTech、OpenReason、Pendra、SenseNova、TokenGo、TokenRouter、Vancine 和 Volcengine Coding Plan
- 内置模型条目由 7,383 个更新至 7,575 个：新增 358 个、移除 166 个，并同步刷新模型能力、上下文限制、价格、状态和供应商映射等元数据；实际可用性取决于对应提供商
- 当模型目录未提供明确上下文上限时，默认回退值由 64K 提升至 256K，减少长对话被过早压缩的情况
Full Changelog: v0.3.49...v0.3.51