エージェントの評価と可観測性
📌 計画プレースホルダーページ：このページは「エージェントの評価と可観測性——軌跡レベルの評価方法論、トレーシングと失敗分析」のために確保されており、コンテンツは学習に合わせて徐々に埋めていきます。
収録予定
- [ ] 層別メトリクス：結果 / プロセス / セキュリティ / 効率
- [ ] 評価セット：テンプレート化タスク、検証器、サンドボックスリセット、ゴールデントラジェクトリ
- [ ] 軌跡レベルの LLM-as-judge：証拠抽出とルーブリック
- [ ] task / plan / LLM / tool スパン設計と失敗分析ループ
- [ ] 評価・可観測性・ゲートのクローズドループ
次のステップ
- [ ] 分野概要の計画リストに照らして、本ページを項目ごとに充実させる
- [ ] 各項目に実行可能な例と失敗記録を追加する
- [ ] 完了したら「計画中」の状態を「収録済み」に変更する
執筆規約は分野概要を参照してください。