加载中…
Agent evaluation, LLM regression testing, trajectory assessment, judge rubrics, quality metrics, latency, token cost, drift, and release gates. Use when proving that an agent behaves correctly or measuring an agent change against a baseline.
agent-evaluation-harness 是 ChatHome Skills 收录的 技能 条目，来源为 GitHub Skill Search，质量分 58/100。 # Agent Evaluation Harness Convert desired agent behavior into repeatable evidence. Evaluate final answers, intermediate trajectories, tool behavior, safety bou. 作为 agent 技能，它把一组可复用的任务指令打包成 Codex 和 Claude Code 等 AI 编程 agent 可直接加载的格式，无需为该任务手写胶水代码。 该条目由 ChatHome Skills 的每日抓取从官方 registry 和 GitHub 发现查询中收录，每次运行都会重新核验仓库事实、新鲜度信号和安装元数据。 质量分综合了官方 registry 收录情况、可用安装命令、许可证完整性、仓库活跃度和 GitHub star 趋势，完整算法说明见来源页。安装命令已列于上方，可直接复制使用。 在将 agent-evaluation-harness 加入生产 agent 工作流前，请核对上方的最近更新日期和仓库状态——下方事实快照是最近一次抓取的时点值。
codex skill install Korridzy/bez_durakov_parser运行此命令前，请先核对上游源码。
扫描范围: 安装元数据与已收录的文档正文。
基于安装元数据和有界技能正文的自动风险信号，不是完整代码安全审计，也不会递归审查源码或依赖。
# Agent Evaluation Harness Convert desired agent behavior into repeatable evidence. Evaluate final answers, intermediate trajectories, tool behavior, safety boundaries, and operati