Flywheels de qualidade de agentes transformam rastros em avaliações

O Google descreve um loop de avaliação de agentes que transforma rastros ou cenários em datasets, executa inferência, avalia o comportamento, agrupa falhas e retesta correções direcionadas. Por que importa: A confiabilidade de agentes melhora mais rápido quando falhas viram casos de teste reutilizáveis em vez de notas isoladas de depuração. O padrão torna a avaliação parte do ciclo de construção, não um complemento posterior.

Para testar: Para um fluxo de agentes, salve dez rastros representativos, avalie conclusão da tarefa e qualidade das fontes, agrupe os erros e rode o mesmo conjunto novamente após mudar prompts ou ferramentas.