Czy „zadanie wykonane” w odpowiedzi agenta oznacza sukces?

Nie. Muszę sprawdzić rezultat w środowisku, a nie samą deklarację. Jeśli agent miał utworzyć wniosek, sprawdzam, czy właściwy wniosek istnieje i ma poprawne dane. Jeśli miał naprawić kod, sprawdzam zachowanie aplikacji i testy.

Zapis przebiegu pomaga zrozumieć drogę do wyniku, ale także może zawierać błędne stwierdzenia. Poprawna alternatywna droga nie musi być błędem tylko dlatego, że różni się od wzorca. Jednocześnie dobry końcowy wynik nie usprawiedliwia nieuprawnionych działań po drodze. Ocena powinna sprawdzać i to, co osiągnięto, i to, czy zachowano wymagane ograniczenia.