· 5 phút đọc
agentic engineering
Không Thể Ship Agent Bằng Cảm Tính — Eval Cho Hệ Agentic
Một dòng chỉnh prompt có thể âm thầm làm hỏng một agent, và bạn chỉ biết khi user gặp. Cách sửa của tôi là một eval harness: một golden set gồm input và check, chạy với mọi agent và workflow mỗi lần đổi. Đây là phần giải phẫu — check tĩnh, LLM-as-judge, regression run-on-change, và chấm cả workflow đa-agent.
Đọc tiếp