GitHub 将 Copilot Evals 开放给个人、商业及企业计划用户试用。使用者可以针对项目里的技能、自定义代理或 MCP 工具编写一项任务,说明预期行为,随后逐项查看哪些检查通过、哪些失败,以及助手走过的步骤。

测试可以在 VS Code、Copilot CLI 或 Copilot 应用里运行,每次启动前由用户批准。更新提示词或换模型后再跑同一项任务,就有了前后两次的对照,也能定位差异出现在工具选择还是最终交付。

原始资料