Eval workflow for agentic builders: fork any prompt through baseline vs scaffolded agents, blind third-party judge.

Ein Alleingründer entwickelte einen n8n-Evaluierungs-Workflow für KI-Agenten, der Prompts mit reinem GPT-4o versus GPT-4o mit einem Reasoning-Scaffold im A/B-Test mit einem blinden Gemini-Evaluator vergleicht. Dieses Tool ermöglicht es Entwicklern, die Agentenleistung bei ihren eigenen Aufgaben zu testen, wobei der Fokus darauf liegt, wie das Scaffold Tiefe, Sycophancy und Diagnoseverfahren beeinflusst.