知己AIAgent Evaluation · seb1n/awesome-ai-agent-skills
設計AI代理評估方案
協助為AI代理設計可複現的評估方案，包括任務集、評分標準、評分方式與回歸門檻，用於比較提示詞或模型、衡量工具呼叫可靠性，以及判斷是否可以上線。
適合做什麼
- 為AI代理建立測試用例集
- 客觀比較兩個提示詞版本
- 上線前設定回歸測試門檻
- 分類
- 開發
開源技能由原作者維護，知己AI 依原樣收錄並註明來源。效果取決於任務與資料是否相符。
試試這樣開始
幫我為客服代理的新版本設計帶評分標準與回歸門檻的評估方案。