परीक्षण में AI एजेंट: मजबूत परिणाम प्रॉम्प्ट से नहीं, इंजीनियरिंग सर्किट से आते हैं

लेख एक AI एजेंट बनाने के दृष्टिकोण का वर्णन करता है जो आदर्श इनपुट डेटा या मॉडल-जनित अनुमानों पर निर्भर नहीं करता। इसके बजाय, एजेंट उपलब्ध साक्ष्य एकत्र करता है, एक स्पष्ट स्वीकृति मॉडल बनाता है, इसे कई स्वतंत्र साधनों (API, DB, UI) के माध्यम से सत्यापित करता है, ज्ञान की सीमाओं का दस्तावेजीकरण करता है, और अंतिम निर्णय मानव पर छोड़ता है। इंजीनियरिंग सर्किट में परिदृश्य कौशल, सुरक्षा नियम, परियोजना विन्यास, नियतिवादी निष्पादक, और साक्ष्य की श्रृंखला शामिल है। मुख्य परीक्षण पद्धतियों में जोखिम-आधारित परीक्षण (महत्वपूर्ण मॉड्यूल को प्राथमिकता देना), अन्वेषणात्मक परीक्षण (अपूर्ण आवश्यकताओं के साथ काम करना), एक स्वतंत्र ओरेकल (पूर्व-सूत्रबद्ध अवलोकन योग्य अपेक्षाएं) के साथ स्वीकृति मानदंड परीक्षण, सिस्टम/एकीकरण सोच (अवस्था श्रृंखलाओं का पता लगाना), और सीमाओं का वर्गीकरण (अधूरे आसन्न कार्य के लिए कार्य को दंडित न करना) शामिल हैं। लेख इस बात पर जोर देता है कि एजेंट की प्रतिक्रिया की गुणवत्ता मॉडल द्वारा नहीं, बल्कि सत्यापन सर्किट द्वारा निर्धारित होती है।