behavioral-evals

โดย google-gemini

คำแนะนำสำหรับการสร้าง การรัน การแก้ไข และการส่งเสริมการประเมินพฤติกรรม ใช้เมื่อตรวจสอบตรรกะการตัดสินใจของตัวแทน การแก้ไขข้อบกพร่อง การดีบักพรอมต์…

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.

Skills เพิ่มเติมจาก google-gemini

greeter
google-gemini
ทักษะการทักทายที่เป็นมิตร
official
async-pr-review
google-gemini
เรียกใช้ทักษะนี้เมื่อผู้ใช้ต้องการเริ่มการตรวจสอบ PR แบบอะซิงโครนัส เรียกใช้การตรวจสอบพื้นหลังบน PR หรือตรวจสอบสถานะของ async PR ที่เริ่มไว้ก่อนหน้านี้…
official
ci
google-gemini
ทักษะเฉพาะสำหรับ Gemini CLI ที่ให้ประสิทธิภาพสูงและล้มเหลวเร็ว
official
code-reviewer
google-gemini
การตรวจสอบโค้ดอัตโนมัติสำหรับการเปลี่ยนแปลงในเครื่องและคำขอดึงข้อมูลระยะไกล พร้อมการวิเคราะห์เชิงโครงสร้างในด้านความถูกต้อง การบำรุงรักษา และความปลอดภัย รองรับทั้งการเปลี่ยนแปลงในระบบไฟล์ท้องถิ่น (ที่จัดเตรียมและไม่ได้จัดเตรียม) และ PR ระยะไกล (ตามหมายเลขหรือ URL) พร้อมการเช็คเอาต์อัตโนมัติผ่าน GitHub CLI วิเคราะห์โค้ดในเจ็ดมิติ: ความถูกต้อง การบำรุงรักษา ความสามารถในการอ่าน ประสิทธิภาพ ความปลอดภัย การจัดการกรณีขอบ และความครอบคลุมของการทดสอบ รันชุดตรวจสอบก่อนการทำงานแบบเลือกได้ (เช่น npm run preflight) เพื่อตรวจจับ...
official
docs-changelog
google-gemini
สร้างและจัดรูปแบบไฟล์ changelog สำหรับรุ่นใหม่ด้วยเทมเพลตที่คำนึงถึงเวอร์ชันและการดึงข้อมูลไฮไลต์ รองรับรุ่นสามประเภท: เวอร์ชันย่อยที่เสถียร, แพตช์ที่เสถียร, และรุ่นพรีวิว ซึ่งแต่ละประเภทมีขั้นตอนการอัปเดตไฟล์ที่แตกต่างกัน ประมวลผลบันทึกการเผยแพร่ markdown ดิบโดยอัตโนมัติด้วยการจัดรูปแบบ URL ของ PR เป็นลิงก์ markdown และลบส่วนของผู้มีส่วนร่วม สร้างสรุปไฮไลต์แบบกระชับ 3–5 จุดสำหรับประกาศการเผยแพร่ โดยให้ความสำคัญกับฟีเจอร์ใหม่มากกว่าการแก้ไขข้อบกพร่อง รองรับ...
official
docs-writer
google-gemini
การเขียนและแก้ไขเอกสารทางเทคนิคสำหรับเอกสารประกอบของ Gemini CLI โดยยึดตามรูปแบบที่เคร่งครัด บังคับใช้มาตรฐานเอกสารที่ครอบคลุมทั้งน้ำเสียง รูปแบบภาษา ไวยากรณ์ การจัดรูปแบบ และโครงสร้าง เพื่อให้แน่ใจว่ามีความสอดคล้องกันในไฟล์ .md ทั้งหมดและเนื้อหาในไดเรกทอรี /docs ต้องมีการตรวจสอบโค้ดที่เกี่ยวข้องและเอกสารที่มีอยู่ก่อนทำการเปลี่ยนแปลง โดยมีการตรวจสอบหน้าที่ได้รับผลกระทบและการอัปเดตการนำทางแถบด้านข้าง ใช้กฎเฉพาะสำหรับหัวเรื่อง รายการ ขั้นตอน ลิงก์ และการเข้าถึง...
official
github-issue-creator
google-gemini
ใช้ทักษะนี้เมื่อถูกขอให้สร้างปัญหา GitHub มันจัดการกับปัญหาที่แตกต่างกัน
official
pirate-skill
google-gemini
พูดเหมือนโจรสลัด
official