原始來源GitHub Changelog
摘要
GitHub Copilot Evals 进入公开预览,让开发者建立可重复执行的测试,衡量 Copilot 在提示、技能、代理与 MCP 工具变动下的行为。使用者可执行评估、查看哪些检查通过、分析失败原因,并比较变更前后的差异。此功能以 Vally 作为评估引擎,可在 VS Code、Copilot CLI 或 Copilot App 中执行,于 Customize 中加入 github/evals 即可使用。公开预览涵盖 Copilot Individual、Business 与 Enterprise 方案。这意味着团队可把代理工作流当成程式码一样做回归验证,而不是只凭体感判断提示改动的好…
重點整理
- 开发团队应为关键代理任务建立基准评估,并在每次提示或工具变更后重跑,避免无声的行为退化。
- 当提示、技能与 MCP 工具持续变动时,团队需要可重复的评估来确认代理行为没有退化。
編輯說明
本頁是 Code & Chain 對公開來源的編輯摘要,可能使用 AI 輔助整理並經自動化流程發布。請以原始來源為準;內容不構成投資、法律或稅務建議。