behavioral-evals

Panduan untuk membuat, menjalankan, memperbaiki, dan mempromosikan evaluasi perilaku. Gunakan saat memverifikasi logika keputusan agen, men-debug kegagalan, men-debug prompt…

npx skills add https://github.com/google-gemini/gemini-cli --skill behavioral-evals

Behavioral Evals

Overview

Behavioral evaluations (evals) are tests that validate the agent's decision-making (e.g., tool choice) rather than pure functionality. They are critical for verifying prompt changes, debugging steerability, and preventing regressions.

[!NOTE] Single Source of Truth: For core concepts, policies, running tests, and general best practices, always refer to evals/README.md.


🔄 Workflow Decision Tree

  1. Does a prompt/tool change need validation?
    • No -> Normal integration tests.
    • Yes -> Continue below.
  2. Is it UI/Interaction heavy?
  3. Is it a new test?
    • Yes -> Set policy to USUALLY_PASSES.
    • No -> ALWAYS_PASSES (locks in regression).
  4. Are you fixing a failure or promoting a test?

📋 Quick Checklist

1. Setup Workspace

Seed the workspace with necessary files using the files object to simulate a realistic scenario (e.g., NodeJS project with package.json).

2. Write Assertions

Audit agent decisions using rig.setBreakpoint() (AppRig only) or index verification on rig.readToolLogs().

3. Verify

Run single tests locally with Vitest. Confirm stability locally before relying on CI workflows.


📦 Bundled Resources

Detailed procedural guides:

  • creating.md: Assertion strategies, Rig selection, Mock MCPs.
  • fixing.md: Step-by-step automated investigation, architecture diagnosis guidelines.
  • promoting.md: Candidate identification criteria and threshold guidelines.

Lebih banyak skill dari google-gemini

greeter
google-gemini
Sebuah skill penyapa yang ramah
official
async-pr-review
google-gemini
Picu keterampilan ini saat pengguna ingin memulai tinjauan PR asinkron, menjalankan pemeriksaan latar belakang pada PR, atau memeriksa status PR asinkron yang sebelumnya dimulai…
official
ci
google-gemini
Keahlian khusus untuk Gemini CLI yang menyediakan kinerja tinggi dan cepat gagal
official
code-reviewer
google-gemini
Tinjauan kode otomatis untuk perubahan lokal dan permintaan pull jarak jauh dengan analisis terstruktur di seluruh aspek kebenaran, kemudahan pemeliharaan, dan keamanan. Mendukung perubahan sistem file lokal (yang sudah di-stage dan belum di-stage) serta PR jarak jauh (berdasarkan nomor atau URL) dengan pemeriksaan otomatis GitHub CLI. Menganalisis kode dalam tujuh dimensi: kebenaran, kemudahan pemeliharaan, keterbacaan, efisiensi, keamanan, penanganan kasus tepi, dan cakupan pengujian. Menjalankan rangkaian verifikasi prapenerbangan opsional (misalnya, npm run preflight) untuk menangkap...
official
docs-changelog
google-gemini
Menghasilkan dan memformat file changelog untuk rilis baru dengan templat yang sadar versi dan ekstraksi sorotan. Menangani tiga jenis rilis: versi minor stabil, patch stabil, dan rilis pratinjau, masing-masing dengan prosedur pembaruan file yang berbeda. Secara otomatis memproses catatan rilis markdown mentah dengan memformat ulang URL PR menjadi tautan markdown dan menghapus bagian kontributor. Menghasilkan ringkasan sorotan singkat sebanyak 3–5 poin untuk pengumuman rilis, dengan memprioritaskan fitur baru daripada perbaikan bug. Mendukung...
official
docs-writer
google-gemini
Penulisan dan penyuntingan teknis untuk dokumentasi Gemini CLI dengan kepatuhan gaya yang ketat. Menerapkan standar dokumentasi komprehensif yang mencakup suara, nada, tata bahasa, format, dan struktur untuk memastikan konsistensi di semua file .md dan konten direktori /docs. Memerlukan investigasi kode terkait dan dokumentasi yang ada sebelum melakukan perubahan, dengan pemeriksaan halaman yang terdampak dan pembaruan navigasi sidebar. Menerapkan aturan khusus untuk judul, daftar, prosedur, tautan, dan aksesibilitas,...
official
github-issue-creator
google-gemini
Gunakan keterampilan ini ketika diminta untuk membuat isu GitHub. Ini menangani berbagai isu
official
pirate-skill
google-gemini
Berbicara seperti bajak laut.
official