evaluation

SKILL.md

Evaluation of agent systems requires different approaches than traditional software or even standard language model applications. Agents make dynamic decisions, are non-deterministic between runs, and often lack single correct answers. Effective evaluation must account for these characteristics while providing actionable feedback. A robust evaluation framework enables continuous improvement, catches regressions, a...

Agent evaluation requires outcome-focused approaches that account for non-determinism and multiple valid paths. Multi-dimensional rubrics capture various quality aspects: factual accuracy, completeness, citation accuracy, source quality, and tool efficiency. LLM-as-judge provides scalable evaluation while human evaluation catches edge cases.

The key insight is that agents may find alternative paths to goals—the evaluation should judge whether they achieve right outcomes while following reasonable processes.

このスキルは、ユーザーが「エージェントのパフォーマンスの評価」、「テスト フレームワークの構築」、「エージェントの品質の測定」、「評価ルーブリックの作成」を要求する場合、または LLM-as-judge、多次元評価、エージェント テスト、またはエージェント パイプラインの品質ゲートについて言及する場合に使用する必要があります。 ソース: guanyang/antigravity-skills。

原文を見る