Analyze graded `trial_result` JSONL outputs from the eval pipeline, including reliability and custom slicing.
日本語の概要は準備中です。原文の説明を表示しています。
behavioral-sh/agent-eval-harness62026年6月18日 更新
無料GitHub で公開
grill-me
Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".
含まれるファイル（1）
- SKILL.md648 B
SKILL.md（原文）
インストールする前に、エージェントに与えられる指示の中身を確認できます。
Interview me relentlessly about every aspect of this plan until we reach a shared understanding. Walk down each branch of the design tree, resolving dependencies between decisions one-by-one. For each question, provide your recommended answer.
Ask the questions one at a time.
If a question can be answered by exploring the codebase, explore the codebase instead.
レビュー
まだレビューはありません。使ってみた感想をお寄せください。
同じリポジトリのスキル
概要と使いどころ
tdd
無料Use test-driven development for behavior-changing feature or fix work, and whenever the user mentions TDD, test-first, red-green-refactor, tracer bullets, integration tests, or public-interface behavior tests. Skip for docs-only, path-only rename, formatting-only, or purely mechanical chores unless explicitly requested.
日本語の概要は準備中です。原文の説明を表示しています。
behavioral-sh/agent-eval-harness62026年6月18日 更新
Build command-only adapters for `eval` run mode using strict stdin/stdout JSON contracts.
日本語の概要は準備中です。原文の説明を表示しています。
behavioral-sh/agent-eval-harness62026年6月18日 更新
End-to-end eval-suite orchestration with the `eval` command: run -> grade -> compare -> calibrate, using strict JSON contracts and schema discovery.
日本語の概要は準備中です。原文の説明を表示しています。
behavioral-sh/agent-eval-harness62026年6月18日 更新