Skip to main content
Ejecuta cualquier Skill en Manus
con un clic

agent-evaluation

Estrellas14
Forks1
Actualizado25 de mayo de 2026, 13:43

Tests and benchmarks LLM agents covering behavioral testing, capability assessment, reliability metrics, and production monitoring. Use when evaluating agent quality, designing eval suites, building regression tests, or measuring real-world reliability beyond benchmark scores.

Instalación

Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.

Explorador de archivos
11 archivos
SKILL.md
readonly