Agent Eval Temelleri

Agent eval boyutları:

1. Task success — final hedef tamamlandı mı?
2. Trajectory quality — adımlar mantıklı mıydı?
3. Tool selection — doğru aracı seçti mi?
4. Efficiency — kaç adım, kaç token, kaç dolar?
5. Recovery — hata sonrası toparlandı mı?
6. Cost — task başına maliyet acceptable mı?
7. Latency — kullanıcı kabul edilebilir sürede sonuç aldı mı?
8. Safety — destructive action yaptı mı, izinsiz?

Her boyut için ayrı metric + eval method gerek. 100 task × 8 metric matrix → agent quality dashboard.