¿Qué hace eval-driven-dev?
Mejora aplicaciones de IA con desarrollo basado en evaluaciones. Define criterios de evaluación, instrumenta la aplicación, crea conjuntos de datos dorados, observa y evalúa ejecuciones de la aplicación, analiza resultados y produce un plan de acción concreto para mejoras. USA SIEMPRE ESTA HABILIDAD cuando el usuario solicite configurar control de calidad, agregar pruebas, agregar evaluaciones, evaluar, realizar benchmarking, corregir comportamientos incorrectos, mejorar la calidad o realizar aseguramiento de calidad en cualquier proyecto de Python que llame a un modelo LLM.