CIにおけるeval-viewを使った出力とツールトレースの差分によるサイレントエージェントリグレッションの検出
エージェントの動作をスナップショット化し、出力とツール呼び出しパスを比較。モデルやプロンプトの変更が静かに挙動を変えたときにリリースをブロックします。
前提条件
Python環境、eval-viewのインストール、再現可能なエージェントシナリオまたはテスト、CIランナーまたはローカルシェル、テスト対象のサポート対象エージェントスタック
インストール
基本的な使い方と開始手順:
-
ループが閉じる: 検出 → 調査 → グレーデッド判定 → 隔離ガバナンス → ブロードキャスト。起動し、進捗を確認し、ドリフトでトリアージし、
check --statisticalで確認し、チームはダイジェストを確認します… -
| 📉 DRIFTING | 信頼度(低/中/高)で傾向がスライド |
evalview drift <test>を実行 | -
| 🔎 INVESTIGATE | 判定レイヤーが統計的リプレイを要求 |
evalview check --statistical 5を実行 | -
上流ドキュメントから抽出: https://raw.githubusercontent.com/hidai25/eval-view/HEAD/README.md