Google Cloud Blog · Karl Weinmeister, Alan Blount ·
Evaluate agent skills before they bloat your context window
Google recomienda evaluar las skills de agentes con pruebas repetidas y comparaciones emparejadas entre un modelo con la skill y otro sin ella, en entornos aislados que eviten credenciales y estado local contaminantes. El artículo propone detectar conflictos de activación y riesgos de seguridad antes de ejecutar pruebas, mantener separadas las métricas de corrección, eficiencia y seguridad, y evitar que los optimizadores manipulen la evaluación. Según las pruebas descritas, las skills más útiles enseñan hábitos operativos y verificaciones concretas, en lugar de llenar la ventana de contexto con documentación estática.
Using Gemini and Antigravity, we’re sharing five ways to verify a skill is worth its tokens, and how you can evaluate agent skills before they bloat your context window.