التقييمات والجودة

حزمة التقييم تعريف على نطاق مساحة العمل لمهمّة تُشغَّل على وكيل: مطالبة، ووكيل مستهدف ووضع، وإعداد اختياري، وتركيبة اختيارية مع SHA مثبّت، وقائمة بالمقيّمين. الأولوية للمقيّمين الحتميين، ويغطي محكّم بمعيار LLM ما لا تستطيع تلك الفحوصات التعبير عنه.

تُبذَر خمس حزم مبدئية عند إنشاء مساحة العمل. تغطي اقتراحات التنسيق، ومراجعة تجد خللًا مبذورًا، وبقاء وضع الخطة للقراءة فقط، وإنتاج خطة من وضع الخطة، وذهاب تذكرة وإيابها. يستمع البذر إلى WorkspaceCreated (workspace.upsert أو workspace.create)، ويتجاوز اسمًا موجودًا أصلًا، ولا يبذر مساحات العمل الأقدم بأثر رجعي.

أين تظهر

قابلية الملاحظة ← الجودة (/workspaces/<id>/observability) تسرد كل حزمة في مساحة العمل.

تُنشأ الحزم وتُسرَد وتُحرَّر وتُحذف عبر evals.upsertSuite وevals.deleteSuite وevals.watchSuites. تبويب الجودة هو القائمة، وتلك العمليات هي المحرّر.

مفاهيم ذات صلة

• نموذج الوكيل: التهيئة التي تثبّتها الحزمة
• الضوابط: مؤشر الاستقلالية
• إدارة التكاليف والميزانيات: الإنفاق المُسجَّل إلى جانب التشغيل