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

Un fondateur solo a créé un flux de travail d'évaluation n8n pour les agents d'IA, effectuant des tests A/B de prompts avec GPT-4o pur versus GPT-4o avec un échafaudage de raisonnement, utilisant un évaluateur Gemini aveugle. Cet outil permet aux développeurs de tester les performances des agents sur leurs propres tâches, en se concentrant sur la façon dont l'échafaudage affecte la profondeur, la sycophanie et les procédures de diagnostic.