标签
一条推文，介绍来自 langchain-ai/langchain-skills 的 eval-engineering 技能，该技能利用人类反馈为智能体评估生成对齐的环境、测试框架（harness）和任务。它解释了工作流程，并提供了该开源工具的安装说明。
一份六步指南，教你构建评估门控，让AI代理自主合并变更，涵盖评判偏差、运行时评估、轨迹评分等内容。
LangChain发布了Eval Engineering Skill，通过映射智能体仓库和生产跟踪数据自动生成可执行的Harbor评估，并采用迭代式用户访谈流程以优化评估。
Jerry Liu 观察到，人工智能开发正从手动构建工作流转向指定目标，从提示工程转向目标与评估工程。