การประเมินเอเจนต์ควรเป็นระบบและทำซ้ำได้ เราอธิบายเมตริกความสำเร็จของงาน การดีบักด้วยเทรซ และนโยบายความปลอดภัยสำหรับเอเจนต์ที่ใช้ LLM โอเพนซอร์ส
ชุดการประเมิน
- ความสำเร็จของงานและคะแนนคุณภาพ
- การวิเคราะห์ข้อผิดพลาดของเครื่องมือ
- แดชบอร์ด latency และต้นทุน
- การละเมิดนโยบายความปลอดภัย
