02 / EVAL KIT
Agent Eval Starter
从任务集、rubric、样例到回归报告的最小模板,适合第一个真实 agent 项目。
measure / regress
把项目里的隐性经验,整理成任何人都能读懂、运行和改进的交付资产。
把 GitHub、X、YouTube 和网页调研整理成有来源的 brief,再生成原创实现路线和内容选题。
从任务集、rubric、样例到回归报告的最小模板,适合第一个真实 agent 项目。
用清晰的 schema、权限边界和失败信息,让模型安全地调用业务工具。
把 quickstart、runbook、FAQ 和培训脚本放进一个可复制的交付模板。
README 能让陌生人从零跑通最小例子。
至少有一组任务、预期结果和失败样例。
输入、边界、输出都足够清楚,下一次能少走弯路。