使用具有強類型功能的程式碼優先評估框架來測試和評估 AI 代理程式和 LLM 輸出。當使用者想要執行以下操作時使用：(1) 使用 AI 代理的測試案例建立評估資料集，(2) 定義評估器（確定性、LLM-as-Judge、自訂或基於跨度），(3) 運行評估並產生報告，(4) 比較不同實驗的模型性能，(5) 將評估與 Pydantic AI 代理集成，(6) 使用測試性 (27) 測試性。系統實施回歸測試。
透過命令列快速安裝 pydantic-evals AI 技能到你的開發環境
來源：fuenfgeld/pydantic-ai-skills。
Pydantic Evals provides rigorous testing and evaluation for AI agents and LLM outputs using a code-first approach with Pydantic models. It enables "Evaluation-Driven Development" (EDD) where evaluation suites live alongside application code, subject to version control and CI/CD.
Case A single test scenario with inputs, optional expected output, and metadata.
Dataset Collection of Cases with default evaluators. Generic over input/output types.
使用具有強類型功能的程式碼優先評估框架來測試和評估 AI 代理程式和 LLM 輸出。當使用者想要執行以下操作時使用：(1) 使用 AI 代理的測試案例建立評估資料集，(2) 定義評估器（確定性、LLM-as-Judge、自訂或基於跨度），(3) 運行評估並產生報告，(4) 比較不同實驗的模型性能，(5) 將評估與 Pydantic AI 代理集成，(6) 使用測試性 (27) 測試性。系統實施回歸測試。 來源：fuenfgeld/pydantic-ai-skills。
為搜尋與 AI 引用準備的穩定欄位與指令。
npx skills add https://github.com/fuenfgeld/pydantic-ai-skills --skill pydantic-evals使用具有強類型功能的程式碼優先評估框架來測試和評估 AI 代理程式和 LLM 輸出。當使用者想要執行以下操作時使用：(1) 使用 AI 代理的測試案例建立評估資料集，(2) 定義評估器（確定性、LLM-as-Judge、自訂或基於跨度），(3) 運行評估並產生報告，(4) 比較不同實驗的模型性能，(5) 將評估與 Pydantic AI 代理集成，(6) 使用測試性 (27) 測試性。系統實施回歸測試。 來源：fuenfgeld/pydantic-ai-skills。
開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等） 複製並執行以下指令：npx skills add https://github.com/fuenfgeld/pydantic-ai-skills --skill pydantic-evals 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code、Cursor 或 OpenClaw 中使用
https://github.com/fuenfgeld/pydantic-ai-skills