behavioral-evals

tarafından google-gemini

Davranışsal değerlendirmeler oluşturma, çalıştırma, düzeltme ve teşvik etme rehberi. Ajan karar mantığını doğrularken, hataları ayıklarken, prompt hatalarını ayıklarken kullanın…

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.

google-gemini tarafından daha fazla skill

greeter
google-gemini
Dostça bir karşılama becerisi
official
async-pr-review
google-gemini
Kullanıcı asenkron bir PR incelemesi başlatmak, bir PR üzerinde arka plan kontrolleri yapmak veya daha önce başlatılmış bir asenkron PR’nin durumunu kontrol etmek istediğinde bu yeteneği tetikleyin…
official
ci
google-gemini
Gemini CLI için yüksek performanslı, hızlı başarısız olma özelliği sunan özel bir beceri
official
code-reviewer
google-gemini
Yerel değişiklikler ve uzak pull request'ler için otomatik kod incelemesi; doğruluk, bakım kolaylığı ve güvenlik açısından yapılandırılmış analiz sunar. Hem yerel dosya sistemi değişikliklerini (aşamalı ve aşamasız) hem de otomatik GitHub CLI checkout ile uzak PR'ları (numara veya URL ile) destekler. Kodu yedi boyutta analiz eder: doğruluk, bakım kolaylığı, okunabilirlik, verimlilik, güvenlik, uç durum yönetimi ve test kapsamı. İsteğe bağlı ön doğrulama test paketlerini (ör. npm run preflight) çalıştırarak...
official
docs-changelog
google-gemini
Yeni sürümler için sürüm bilincine sahip şablonlar ve öne çıkan özellik çıkarımı ile changelog dosyaları oluşturur ve biçimlendirir. Üç sürüm türünü işler: kararlı küçük sürümler, kararlı yamalar ve önizleme sürümleri; her biri farklı dosya güncelleme prosedürlerine sahiptir. Ham markdown sürüm notlarını, PR URL'lerini markdown bağlantılarına dönüştürerek ve katkıda bulunan bölümlerini kaldırarak otomatik olarak işler. Sürüm duyuruları için, hata düzeltmelerine kıyasla yeni özelliklere öncelik vererek, 3–5 maddelik kısa
official
docs-writer
google-gemini
Teknik yazma ve düzenleme, Gemini CLI dokümantasyonu için katı stil uyumuyla gerçekleştirilir. Ses, ton, dil bilgisi, biçimlendirme ve yapıyı kapsayan kapsamlı dokümantasyon standartlarını uygulayarak tüm .md dosyaları ve /docs dizini içeriğinde tutarlılık sağlar. Değişiklik yapmadan önce ilgili kod ve mevcut dokümantasyonun incelenmesini, etkilenen sayfalar ve yan menü güncellemelerinin kontrol edilmesini gerektirir. Başlıklar, listeler, prosedürler, bağlantılar ve erişilebilirlik için belirli kurallar uygular,...
official
github-issue-creator
google-gemini
Bu beceriyi, bir GitHub sorunu oluşturulması istendiğinde kullanın. Farklı sorunları işler.
official
pirate-skill
google-gemini
Bir korsan gibi konuş.
official