alpha-magic/agent-reliability-corpus

agent-reliability-corpus とは？

このスキルは、AIエージェント（例：Claude Code、Cursor、Codexなど）の信頼性を評価・向上させるためのテストデータセット（コーパス）を提供します。開発者はこのコーパスを使って、エージェントが与えられたタスクを正確に遂行できるか、エラーや予期せぬ動作を起こさないかを体系的に検証できます。マークダウン形式のドキュメントで構成されており、各テストケースには期待される動作や評価基準が記述されています。特に、エージェントの推論能力、指示追従、ツール使用の正確性などを評価するのに適しています。このスキルは、エージェント開発の品質保証や継続的改善のためのベンチマークとして活用できます。