Uma chave testa vários modelos: teste pequeno de invocação de ferramentas em múltiplas rodadas reproduzível em 5 etapas
Nota do autor: com uma única chave, um conjunto fixo de scripts e uma falha injetada, comparamos lado a lado a capacidade de chamadas de ferramentas em múltiplas rodadas de vários modelos, chegando a conclusões reproduzíveis e verificáveis. Ao escolher um modelo para atuar como agente, muitas equipes esbarram no mesmo problema. Em perguntas e…