Capturar regresiones silenciosas de agentes mediante diff de salidas y trazas de herramientas en CI con eval-view
Toma instantáneas del comportamiento de agentes, compara salidas y rutas de llamadas a herramientas, y bloquea lanzamientos cuando un cambio de modelo o prompt altera sutilmente el comportamiento.
Prerrequisitos
Entorno Python, instalación de eval-view, escenarios o pruebas de agentes repetibles, ejecutor de CI o shell local, stack de agente soportado bajo prueba
Instalación
Notas de uso básico o primeros pasos:
-
El bucle se cierra: detección → investigación → veredicto graduado → cuarentena → difusión. Te despiertas, ejecutas progreso, clasificas con deriva, confirmas con check --statistical, y el equipo ve el resumen antes de...
-
| 📉 DERIVANDO | Tendencia descendente con confianza graduada (baja/media/alta) | Ejecuta evalview drift |
-
| 🔎 INVESTIGAR | La capa de veredicto solicita reproducción estadística | Ejecuta evalview check --statistical 5 |
-
Extraído de documentación upstream: https://raw.githubusercontent.com/hidai25/eval-view/HEAD/README.md