Skip to main content
Manusで任意のスキルを実行
ワンクリックで

agent-evaluation

スター14
フォーク1
更新日2026年5月25日 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.

インストール

Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。

ファイルエクスプローラー
11 ファイル
SKILL.md
readonly