支持YAML编写测试用例,可对各类Agent插件开展真实场景回归评测,内置基线对比能力,自动输出PASS/WARN/FAIL判定结果,支持自定义门禁规则,测试结果可直接参考,无需手动搭建复杂评测流程。
Public, reusable DeepSeek Harness plugins and skills: workflow canvas toolkit, blind eval harness, LLM cost lab, inciden...
支持YAML编写测试用例,可对各类Agent插件开展真实场景回归评测,内置基线对比能力,自动输出PASS/WARN/FAIL判定结果,支持自定义门禁规则,测试结果可直接参考,无需手动搭建复杂评测流程。
Public, reusable DeepSeek Harness plugins and skills: workflow canvas toolkit, blind eval harness, LLM cost lab, inciden...