Skip to main content
Jeden Skill in Manus ausführen
mit einem Klick

agent-evaluation

Sterne453
Forks139
Aktualisiert11. Februar 2026 um 08:53

Testing and benchmarking LLM agents including behavioral testing, capability assessment, reliability metrics, and production monitoring—where even top agents achieve less than 50% on real-world benchmarks Use when: agent testing, agent evaluation, benchmark agents, agent reliability, test agent.

Installation

Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.

Datei-Explorer
7 Dateien
SKILL.md
readonly