GitHub đưa Copilot Evals vào public preview ngày 17/11/2026. Công cụ cho phép tạo phép thử có thể lặp lại cho skills, agent tùy chỉnh và công cụ MCP trong môi trường Copilot. GitHub dùng Vally làm bộ máy đánh giá. Thông báo GitHub Copilot Evals
Đặt tiêu chí trước khi chỉnh cấu hình
Lấy một nhiệm vụ vô hại như tóm tắt tài liệu dự án hoặc tạo test cho một hàm định dạng văn bản. Xác định kết quả quan sát được, chẳng hạn nêu đủ ba điều kiện đầu vào hoặc giữ nguyên hành vi của các trường hợp cũ. Mỗi lượt chạy cần được người dùng phê duyệt.
So sánh những gì thay đổi
Lấy kết quả từ vài lượt chạy làm mốc rồi thay một yếu tố như prompt hoặc skill. Chạy lại với cùng đầu vào và xem lỗi nào lặp lại. Tách các tiêu chí có thể kiểm bằng test khỏi phần đánh giá cần người đọc.
Dùng bộ dữ liệu dễ chia sẻ trong nhóm
Chọn ví dụ nhỏ và loại bỏ dữ liệu khách hàng khỏi bộ eval. Xem kho source code iCoderX nếu bạn muốn tìm cấu trúc dự án để thử quy trình.
Ảnh bìa minh họa do AI tạo cho iCoderX.



