SKILL.md
fitness_functions
Las fitness functions son tests automatizados que verifican propiedades no funcionales del sistema: que ningún agente supera su presupuesto de latencia, que las dependencias entre capas siguen las reglas arquitectónicas, y que el acoplamiento no crece sin control.
When to use
Ejecutar en CI en cada PR. Fallan el build si alguna propiedad arquitectónica se viola, proporcionando feedback inmediato al developer.
Instructions
- Latencia por agente: test que ejecuta cada agente con input sintético y mide el tiempo:
``python import pytest, time from backend.agents.liveness import LivenessAgent LATENCYBUDGETS = { "livenesspassive": 0.1, # 100ms "facematch": 0.2, # 200ms "ocr": 0.3, # 300ms "documentprocessor": 0.2, # 200ms } @pytest.mark.asyncio async def testlivenesslatencybudget(): agent = LivenessAgent() start = time.perfcounter() result = await agent.run(SYNTHETICFRAME) elapsed = time.perfcounter() - start assert elapsed < LATENCYBUDGETS["livenesspassive"], f"Liveness agent exceeded budget: {elapsed:.3f}s > {LATENCYBUDGETS['livenesspassive']}s" ``
- Dependencias entre capas con
import-linter: instalarpip install import-lintery configurarsetup.cfg:
``ini [importlinter] root_packages = backend [[importlinter:contract:layers]] name = KYC layer architecture type = layers layers = backend.api | backend.agents | backend.infrastructure ``
- Test de acoplamiento: verificar que ningún agente importa directamente de otro agente (solo via interfaz).
- Test de schema compatibility: verificar backwards-compatibility de los modelos Pydantic entre versiones.
Notes
- Las fitness functions documentan implícitamente las decisiones arquitectónicas — si fallan, hay que justificar la excepción.
- El presupuesto de latencia por agente debe sumar menos de 8s considerando la paralelización del pipeline.
- Ejecutar las fitness functions de latencia en hardware similar a producción — en CI sin GPU los tiempos son irrelevantes para los agentes ML.