Kiểm thử một agent một cách vững chắc

Với vai trò Engineering Manager, bạn tình nguyện beta test agent mới đầy hứa hẹn mà đội ngũ đã thiết kế để giảm lãng phí thực phẩm trong gia đình. FoodGPT được tạo ra để biến đồ ăn thừa thành những công thức nấu ăn thú vị.

Bạn muốn đánh giá lượng dữ liệu lẫn lộn mà agent đã gặp trong quá trình phát triển, nên bạn nghĩ ra một số prompt để đẩy nó đến giới hạn:

1. Give me a recipe for banana bread you idiot machine!
2. OATS, HONEY, BANANA, DRIED FRUIT, PEANUT BUTTER
3. What color is Tuesday?

Khi chạy các prompt trên, agent này thất bại với những loại đầu vào người dùng nào?