agent-evaluation
Pruebas y benchmarking de agentes LLM incluyendo pruebas de comportamiento, evaluación de capacidades, métricas de confiabilidad y monitoreo en producción—donde incluso agentes de primera categoría alcanzan menos del 50% en benchmarks del mundo real.
El contenido de este skill está en su idioma original (a menudo inglés).
No se pudo cargar SKILL.md. Puedes instalarlo directamente desde el repositorio original.