Open Multi-Agent v1.12.1：评估、离线检查与零 Key 首次运行
描述已发布的 v1.12.1 能力与随附的零 Key Demo。
Open Multi-Agent v1.12.1 在运行时外面补上了一套质量闭环。你现在可以给评估案例与 Scorer 逻辑做版本管理、比较报告、在 CI 中执行质量闸门，也可以采样已经完成的线上运行，而不改变业务结果。同一个版本还把 create-oma-app 的首次运行变成无需凭证的确定性 Demo，并为离线 Run Viewer 补充了更完整的任务级证据。
npm create oma-app@latest my-oma这里的补丁版本很重要：v1.12.1 修复了安装后的 oma binary，使它能通过 npm 创建的符号链接正常启动。如果你安装过 v1.12.0，请升级到 v1.12.1。
Evaluation 与运行时校验是两件事
OMA 已经有 runConsensus() 与逐任务 verify 等运行时控制。这些机制会在一次业务结果生成期间接受、修改或拒绝它。
Evaluation 回答的是另一个问题：一次变更是否在一组有版本的案例上改善了质量？
新的 @open-multi-agent/core/eval 入口包含：
- 有版本的
EvalSet数据集与可复用的Scorer定义； - 通过
runEvalSet()执行离线评估，并支持 repeats、并发与标签过滤； - JSON、Markdown 与 JUnit 报告；
- 内存与文件持久化；
- 纯逻辑
GateVerdict，以及用于 CI 的oma eval run与oma eval gate； - 基于规则、Trace 和模型 Judge 的 Scorer 工厂；
- 对已完成运行进行显式开启的线上采样。
一个 Scorer 抛错、拒绝或超时，意味着它没有量出质量。OMA 会把结果记录为 scorer_error，继续运行后续 Scorer，并把该失败排除在均值、分位数和通过率之外，而不是把它算成零分。
线上评估默认关闭。开启后，它只采样已经结束的顶层运行，异步执行评估，并把评估故障与原始结果隔离。这是一套度量机制，不是第二个运行时判决。
评估参考包含五分钟离线路径、线上生命周期、持久化、载荷策略、Scorer 工厂和完整的 GitHub Actions 闸门。
运行结束后，拿到更完整的证据
离线 Run Viewer 现在会把后代 LLM span 汇总到触发它们的任务上。因此任务详情可以在 DAG、状态、耗时和安全证据之外，展示对应的模型、提供方、token 与成本汇总，以及工具调用次数。
整个过程不需要运行中的服务。oma run --dashboard 会在新运行结束后写出一个自包含 Viewer；oma dashboard 则能从 FileTraceStore 打开一条已保存的运行，不会调用模型，也不会启动 OpenTelemetry provider。
顶层运行 API 还接受有边界的 metadata，用来记录 prompt 版本、实验分组或数据集标签等事实。校验后的 metadata 会进入结果、根 Trace span、存储的运行摘要与 v2 检查点恢复路径，让评估记录能够指回准确的逻辑运行与 attempt。
无需凭证的首次运行
[email protected] 现在会让交互式终端选择 PR Review、安全分析或教学 DAG Starter，然后自动安装并运行本地 Demo。
首次 Demo 不读取 API Key，也不会请求模型。脚本化的模型响应会驱动真实的 OMA 调度器、结果聚合、报告生成器与 Run Viewer。生成的 Markdown、JSON 和 HTML 会明确标注这些响应属于模拟数据，避免把演示产物误认为真实模型结果。
使用 --no-install 可以只生成文件；使用 --no-run 可以安装依赖但不运行 Demo。真实的云端模型运行仍然需要你的凭证；Ollama Starter 则使用本地服务。快速开始会把两条路径明确分开。
兼容性
现有的 runAgent、runTeam、runTasks、runFromPlan、runConsensus 与恢复流程保持兼容。Evaluation 在未配置时仍然关闭。@open-multi-agent/[email protected] 没有重新发布，并继续兼容 core 1.12.1。
这个版本还会在 process backend 的直接父进程退出后清理其后代进程。同期的 orchestrator 内部拆分保持行为不变，不构成新的公共 API。
阅读完整的 v1.12.1 Release Notes，然后从评估或零 Key 快速开始进入。