AIエージェント評価 記事一覧

AIエージェントのEvals実践入門 ─ 決定論的チェックとLLM-as-a-Judgeを組み合わせる

プロンプトを変えるたびに本番で炎上していませんか。決定論的アサーション70%＋LLM-as-a-Judge 30%のハイブリッドeval構成を、promptfoo・Python・GitHub Actionsの実コードで解説します。