При разработке ИИ-агентов разработчики часто не уверены, не вызовут ли изменения в подсказках для исправления отдельных ошибок непреднамеренно широкомасштабные регрессии в производственной среде. Чтобы устранить этот пробел, Google представил новый навык разработчика для кодирующих агентов, который автоматизирует пятиэтапный цикл оценки: подготовка данных, выполнение вывода, оценка с помощью адаптивных AutoRaters, анализ кластеров сбоев и выполнение целенаправленных оптимизаций. Этот инструмент, работающий непрерывно на основе производственного трафика или по запросу с использованием синтетических сценариев, позволяет разработчикам описывать цели тестирования на обычном языке, в то время как независимая служба оценки безопасно проверяет и подсчитывает фактические улучшения производительности.