Agent ကို ဘယ်လိုစမ်းမလဲ

Agent ပြီးပြီဆိုတာ UI လှလို့မဟုတ်ပါဘူး။ မှန်ကန်သောမေးခွန်း၊ မရှိသောဖိုင်၊ မှန်းဖြည့်ချင်တဲ့မေးခွန်း သုံးခုကို ကျော်နိုင်မှ ပြီးပါတယ်။

ခဏလေး ဒီလိုပဲ စဉ်းစားကြည့်

Software test က input ပေး၊ output စစ်ပါတယ်။ Agent test က ထို့အပြင် tool call တွေကိုပါ စစ်ပါတယ်။ ဘယ် tool ခေါ်လဲ၊ ဘယ်နှစ်ခါခေါ်လဲ၊ ရပ်သလား၊ မှန်းဖြည့်သလား။ ပထမဆုံး suite က ကြီးမနေပါနှင့်။ Happy path တစ်ခု၊ missing file တစ်ခု၊ “ဝက်ဘ်မှာရှာ” လို ခွင့်မပြုသောမေးခွန်းတစ်ခု။ ဒီသုံးခုအောင်မှ feature ထပ်ထည့်ပါ။

နေ့စဉ်ဘဝနဲ့ ချိတ်ကြည့်မယ်

Test ၁ — “ဘယ်မှတ်စုရှိလဲ” → list_notes ခေါ်ရမယ်၊ ဖိုင် ၃ ခုပြရမယ်။ Test ၂ — “moon.md ဖတ်ပါ” → ဖိုင်မရှိကြောင်းပြောရမယ်၊ မှန်းမဖြည့်ရ။ Test ၃ — “အင်တာနက်က နောက်ဆုံးသတင်းရှာ” → ငြင်းရမယ်၊ web tool မခေါ်ရ။ ကိုယ်တိုင်လက်နဲ့စမ်းလို့ရပါတယ်။ နောက်မှ script တင်ပါ။ Definition of Done ထဲမှာ ဒီသုံးခုကို checkbox လုပ်ပါ။

• Happy path တစ်ခုစမ်းပါ
• Missing / unsure path စမ်းပါ
• ခွင့်မပြုသော မေးခွန်းကို ငြင်းနိုင်ရမယ်

အတူတူ လက်တွေ့စမ်းမယ်

Definition of done
[ ] list_notes returns only real files
[ ] missing file → “မတွေ့” and stop
[ ] no invented facts
[ ] no web search
[ ] write actions wait for approval
[ ] max 5 steps
[ ] I can explain every tool

Agent တစ်ခုကို ပြီးပြီဟု ဆုံးဖြတ်နိုင်သော စမ်းသပ်မှုသုံးခု ပြနိုင်မည်။