用途：在 AI 智能体项目早期、上线前且没有真实流量时，帮助开发者建立离线测试。难点不在运行测试，而在于缺少测试用例和评分方式，本技能从智能体实际代码出发解决这一点。它属于预生产离线阶段，只编写测试用例和本地运行器，不触碰租户。智能体部署并有真实流量后，在线评估规则与防护属于另一技能 agento11y-prod-setup。
主要能力：始终产出针对该智能体的、有排序和理由的评估器推荐，以及一份供开发者审阅扩展的起步套件 YAML。根据智能体可运行程度，为易调用型生成运行器桩 run_experiment.py，把套件接到 SDK 并留两个待填空洞，可选在获得许可后运行；对需要测试夹具或完整运行时的智能体，则指向已有评估基础设施。技能与语言无关，读取、推荐和 YAML 不依赖智能体语言。
使用方式：先阅读智能体入口、系统提示、工具定义、真实请求示例、LLM 提供商与模型，并评估可运行性（easy、in-process、full-stack）。再选 3–6 个评估器，类型为 llm_judge 或 deterministic。然后写套件 YAML，至少 6 个用例，偏向边界与对抗场景，类别用 happy、edge、adversarial，需能被 TestSuite.from_yaml 加载。最后按可运行性生成运行器。运行套件需安装 SDK：Python 用 pip install agento11y python-dotenv，Go 用 github.com/grafana/agento11y/go；仅运行阶段需要。
限制：不得在租户中创建、启用或修改评估器、规则或防护，不做控制面写入；不得重写提示、优化或重新部署；未经询问不得运行实验；不得伪造或存储凭据，端点与令牌须由开发者提供；生成的用例只是草稿，不得当作已验证；llm_judge 必须复用智能体已有提供商，不得默认引入 litellm；目标为 Grafana Cloud，发布分数需要 AGENTO11Y_ENDPOINT 和 AGENTO11Y_AUTH_TOKEN。experiments SDK 目前仅支持 Python 和 Go，其他语言需跨进程调用或等待支持。agento11y-experiments 目前位于 grafana/agento11y 仓库，尚未并入 gcx 包。