skill

أداة سطر الأوامر لتقييم وكلاء Google

تستخدم هذه المهارة عندما يرغب المستخدم في "تشغيل تقييم"، "تقييم وكيلاتي"، "تقييم وكيلاتي في ADK"، "كتابة مجموعة بيانات للتقييم"، "تحليل إخفاقات التقييم"، "مقارنة نتائج التقييم"، "تحسين الوكيل"، أو يحتاج إلى إرشادات حول منهجية التقييم لمنصة Gemini وعجلة الجودة (Quality Flywheel). تغطي مقاييس التقييم، مخطط مجموعة البيانات، تسجيل LLM-as-judge، والأسباب الشائعة للفشل. تنطبق على أي مشروع agents-cli، بغض النظر عن الإطار الذي كتب به الوكيل. لا تستخدم لأنماط كود API للوكيل (...

google581,775+ تثبيتموثوق

نبذة

# دليل تقييم الوكيل

> **يتطلب:** `agents-cli` (`uv tool install google-agents-cli`) — [ثبت uv](https://docs.astral.sh/uv/getting-started/installation/index.md) أولا إذا لزم الأمر.

> **مشروع مهيكل؟** إذا استخدمت `/google-agents-cli-scaffold`، فإن مجموعة البيانات والمقياس المخصص مهيكلان بالفعل في `tests/eval/` (لمشاريع Python) أو `eval/` (لمشاريع Go). للتبسيط، تستخدم هذه المهارة ومراجعها تخطيط دليل Python؛ قم بالتعديل وفقا لذلك إذا قمت بهيكلة وكيل Go. > لديك بالفعل `agents-cli eval run` (يربط `generate` + `grade`)، و`tests/eval/datasets/`، و`tests/eval/eval_config.yaml`. ابدأ بتنفيذ `eval run` وكرر من هناك.

## ملفات مرجعية

| الملف | المحتويات | |------|----------| | `references/dataset_schema.md` | مخطط EvaluationDataset الأساسي — جميع أنواع الحقول، أمثلة JSON للدور الواحد / الأدوار المتعددة / الوكلاء المتعددين، الأخطاء الشائعة | | `references/metrics-guide.md` | مرجع المقاييس الكامل — جميع المقاييس المضمنة، أنواع المطابقة، المقاييس المخصصة، إعداد نموذج المقيم | | `references/user-simulation.md` | اختبار المحادثة الديناميكي — علامات `eval dataset synthesize`، ما هي السيناريوهات، المقاييس المتوافقة | | `references/builtin-tools-eval.md` | أدوات google_search والأدوات الداخلية للنموذج — سلوك المسار، توافق المقاييس | | `references/advanced-commands.md` | الأوامر الاختيارية: `eval analyze`، `eval optimize`، `eval submit` / `eval results` | | `references/multimodal-eval.md` | المدخلات متعددة الوسائط — مخطط مجموعة بيانات التقييم، قيود المقاييس المضمنة، نمط المقيم المخصص | | `references/live-eval.md` | الوكلاء المباشرون والصوتيون — `--mode adk_live`، ما يتم تقييمه، تأليف الدور من قبل المستخدم فقط، فخاخ النموذج المباشر والمنطقة |

---

## عجلة الجودة

تحسين جودة الوكيل عملية تكرارية. تصف المراحل الأربع أدناه الحلقة. لكل مرحلة مسار افتراضي (أنت، الوكيل المبرمج، تقوم بالعمل مباشرة) وأمر CLI اختياري يفوض إلى خدمة التقييم في منصة Gemini للحصول على جودة ونطاق أفضل.

### 1. إعداد البيانات

**الافتراضي:** استخدم أو عدل ملف `tests/eval/datasets/basic-dataset.json` المهيكل لتحديد مدخلات تقييم أحادية الدور. ابدأ بحالة أو حالتين.

**اختياري (مشاريع ADK):** `agents-cli eval dataset synthesize`: محاكاة المستخدم لمجموعات بيانات متعددة الأدوار عندما تفتقر إلى البيانات؛ يتضمن مخرجاتها بالفعل آثارا، لذلك تتقلص المرحلة 2 إلى `agents-cli eval grade` فقط. انظر *أوامر التقييم* و`references/user-simulation.md`.

### 2. تشغيل التقييم (يجب تشغيله دائما)

**الافتراضي:** يقوم `agents-cli eval run` بتشغيل الوكيل على مجموعة البيانات ويقوم بتقييم الآثار، ويكتب `results_<ts>.{json,html}` إلى `artifacts/grade_results/`. سطره الأخير هو الحكم، على سبيل المثال `RESULT: FAIL (custom_response_quality 3.20 < 4.00; custom_response_quality: 1 case errored)`، ويخرج 1 عندما يفشل مقياس في تحقيق عتبته أو حدث خطأ في حالة ما. وافق على العتبات مع المستخدم وسجلها في إعداد التقييم (انظر *مخطط إعداد التقييم*).

**شكل مفصول:** `eval generate` ثم `eval grade`، لموقع آثار مخصص، أو إعادة التقييم دون إعادة تشغيل الوكيل، أو آثار من `synthesize` (`eval grade` فقط).

### 3. تحليل الإخفاقات

**الافتراضي:** ابدأ من قائمة `Failures:` فوق سطر `RESULT:`، والتي تسمي كل مقياس لم يحقق عتبته، والحالات التي تقع تحته، والحالات التي حدث فيها خطأ. ثم افتح أحدث ملف `artifacts/grade_results/results_<ts>.html` (أو `.json`) للحصول على درجات تلك الحالات ومبررات المقيم — انظر *ماذا تصلح عندما تفشل الدرجات* أدناه لجدول الإصلاح.

**اختياري:** `agents-cli eval analyze`، تجميع الإخفاقات بناء على LLM؛ يفضل استخدامه عندما يكون لديك أكثر من 10 حالات فاشلة وترغب في تصنيف أنماط الإخفاق. انظر `references/advanced-commands.md`.

### 4. التحسين وإصلاح الكود

**الافتراضي:** قم بتحرير الوكيل — اضبط المطالبات، أو أوصاف الأدوات، أو التعليمات، أو مجموعة بيانات التقييم بناء على تحليل الإخفاق. انظر *ماذا تصلح عندما تفشل الدرجات* أدناه لتعيين الإخفاق ← الإصلاح.

**اختياري (مشاريع ADK):** يقوم `agents-cli eval optimize` بتشغيل تحسين مطالبة ADK GEPA مقابل مقياس مستهدف (انظر `references/advanced-commands.md`). مناسب للإخفاقات التي تعتمد على المطالبة فقط. تظهر المطالبة المحسنة في مخرجات الأمر؛ قم بالتقاطها وتطبيقها على الوكيل. للحصول على تتبع كامل لكل تكرار، اضبط `print_detailed_results: true` في ملف إعداد التحسين الخاص بك.

> **طويل الأمد ومكلف.** يتطلب تحسين GEPA العديد من استدعاءات LLM وقد يستغرق وقتا طويلا. لا تقم بتشغيله إلا إذا طلب المستخدم صراحة تحسين المطالبة. عند تشغيله، كرر قدر الإمكان باستخدام الإصلاحات اليدوية أولا، ثم قم بتشغيل `eval optimize` **واحد** أخير — لا تقم أبدا بالدوران على هذا الأمر.

### تشغيل الحلقة

كرر المراحل 2 ← 3 ← 4 ← 2 (مع `synthesize`، أعد تشغيل المرحلة 1 في كل مرة، ثم `eval grade`). بعد كل إصلاح، قم بتشغيل `agents-cli eval compare <prev_results>.json <new_results>.json` للتأكد من تحسن المقياس المستهدف دون تراجع المقاييس الأخرى. توقع 5-10+ تكرارات لكل حالة قبل أن تنجح، وهذا أمر طبيعي. فقط بعد نجاح الحالة يجب عليك توسيع التغطية.

التثبيت

شغل هذا الأمر

npx skills add google/agents-cli

يعمل مع

claude appclaude codeclaude apicursorcodexwindsurfclinezed

خطوات التثبيت

ثبت باستخدام `npx skills add google/agents-cli`، أو استنسخ المستودع وانسخ مجلد `skills/google-agents-cli-eval` إلى دليل مهارات Claude الخاص بك.

عرض المصدر

أسئلة شائعة

ما هي مهارة أداة سطر الأوامر لتقييم وكلاء Google؟

تستخدم هذه المهارة عندما يرغب المستخدم في "تشغيل تقييم"، "تقييم وكيلاتي"، "تقييم وكيلاتي في ADK"، "كتابة مجموعة بيانات للتقييم"، "تحليل إخفاقات التقييم"، "مقارنة نتائج التقييم"، "تحسين الوكيل"، أو يحتاج إلى إرشادات حول منهجية التقييم لمنصة Gemini وعجلة الجودة (Quality Flywheel). تغطي مقاييس التقييم، مخطط مجموعة البيانات، تسجيل LLM-as-judge، والأسباب الشائعة للفشل. تنطبق على أي مشروع agents-cli، بغض النظر عن الإطار ا…

كيف أثبت أداة سطر الأوامر لتقييم وكلاء Google؟

شغل هذا الأمر في الطرفية:

npx skills add google/agents-cli
مع أي أدوات ذكاء اصطناعي تعمل أداة سطر الأوامر لتقييم وكلاء Google؟

تعمل مع claude_app، claude_code، claude_api، cursor، codex، windsurf، cline، zed.

من طور أداة سطر الأوامر لتقييم وكلاء Google؟

طورها google.

هل أداة سطر الأوامر لتقييم وكلاء Google مجانية؟

نعم، يمكنك استخدامها مجانا.

أصول ذات صلة

مختارات أخرى في التطوير والبرمجة.

كل بدائل أداة سطر الأوامر لتقييم وكلاء Google ←
skillclaude_appclaude_codeclaude_api
git clone https://github.com/anthropics/skills && cp -r skills/skills/claude-api ~/.claude/skills/
واجهة برمجة تطبيقات Claude
مرجع ل Claude API / Anthropic SDK — معرفات النماذج، التسعير، المعاملات (params)، البث (streaming)، استخدام الأدوات، MCP، الوكلاء (agents)، التخزين الم…★ 4.8 · 2,500+
skillclaude_appclaude_codeclaude_api
npx skills add mattpocock/skills
تطوير مدفوع بالاختبار
التطوير الموجه بالاختبار. يستخدم عندما يرغب المستخدم في بناء ميزات أو إصلاح أخطاء بأسلوب "الاختبار أولا"، أو يذكر "red-green-refactor"، أو يريد اختبار…1,046,962+
skillclaude_appclaude_codeclaude_api
npx skills add mattpocock/skills
الشواء
استجوب المستخدم بلا هوادة حول خطة أو قرار أو فكرة. استخدم هذا عندما يرغب المستخدم في اختبار مدى متانة تفكيره، أو يستخدم أي عبارات تحفيزية مثل "استجوبن…1,041,607+
skillclaude_appclaude_codeclaude_api
npx skills add mattpocock/skills
مراجعة الكود
راجع التغييرات منذ نقطة ثابتة (commit، فرع، وسم، أو merge-base) على محورين: المعايير (هل يتبع الكود معايير الترميز الموثقة لهذا المستودع؟) والمواصفات…840,484+
skillclaude_appclaude_codeclaude_api
npx skills add mattpocock/skills
تشخيص الأخطاء
حلقة تشخيص للأخطاء الصعبة وتراجعات الأداء. تستخدم عندما يقول المستخدم "شخص/صحح هذا"، أو يبلغ عن شيء معطل/يصدر أخطاء/فاشل/بطيء.746,030+
skillclaude_appclaude_codeclaude_api
npx skills add microsoft/azure-skills
الذكاء الاصطناعي من Azure
بناء تطبيقات Azure AI Search وSpeech وOpenAI وDocument Intelligence واستكشاف أخطائها وإصلاحها. متى: AI Search، البحث المتجه، البحث الهجين، البحث الدلا…727,368+

افحص قبل التثبيت

شغل أي مصدر عبر فحوصاتنا - الظهور في الذكاء الاصطناعي والأمان والأداء واكتشاف التقنيات.

المزيد في التطوير والبرمجة