waza

收录理由

当技能演示在理想路径上跑通之后，真正的问题才浮现：它能否稳定复现？Waza 正是为这个阶段而生的 Go 命令行工具。它帮你搭出规范的技能目录结构，在真实 LLM 执行环境中运行智能体测试循环，并用十一个可插拔的校验器给结果打分——涵盖代码断言、文本匹配、JSON schema、工具调用序列，以及由 LLM 自身参与的评分。测试用例用 YAML 编写，同一套评测可以轻松切换 GPT-4o、Claude 等不同模型，compare 命令能直观对比哪个模型对你的技能表现更好。本地 Web 面板展示对话记录、趋势和逐任务指标，预置的 GitHub Actions 工作流则让同样的评测在 CI 里自动跑起来。如果你在维护智能体技能或相关框架，厌倦了临时手工验证，想要一套可重复、跨模型的质检手段，这个工具相当实用。