[kapumota]

Objetivo

Agregar una evaluación experimental reproducible para AgentGuard FastPath.

Esta fase busca producir evidencia de rendimiento, memoria y calidad de detección. El proyecto ya no queda solo descrito por documentación o benchmarks aislados, sino que ahora cuenta con un flujo de evaluación que genera datos, ejecuta análisis y produce un resumen experimental.

Cambios principales

• Se agregó docs/EVALUACION.md.
• Se agregó scripts/run_evaluation.sh.
• Se agregó results/README.md.
• Se agregó results/.gitkeep.
• Se agregó benchmarks/results/README.md.
• Se agregó benchmarks/results/.gitkeep.
• Se ajustó .gitignore para permitir documentar benchmarks/results/ sin versionar resultados generados grandes.

Qué evalúa esta fase

La evaluación cubre:

• ejecución de agfast sobre un dataset sintético etiquetado;
• generación de reportes JSON, HTML y CSV;
• medición de tiempo de ejecución;
• medición de memoria máxima RSS;
• robustez ante líneas corruptas usando tail;
• ejecución de simulaciones de ranking de sketches;
• ejecución de evaluación realista de sketches;
• validación de GuardSketch userspace mediante make test-guardsketch.

Métricas consideradas

• throughput aproximado;
• tiempo de ejecución;
• memoria máxima RSS;
• precision y recall contra labels sintéticos;
• top-k overlap entre alertas y ranking exacto;
• tamaño de reportes;
• robustez ante entradas corruptas;
• estado de GuardSketch userspace.

Validación ejecutada

make clean
make
make test-fastpath
make test-regression
make test-streaming
make test-guardsketch
bash scripts/run_evaluation.sh
make clean