SKILLEMALL.ai
GitHub ↗ EN Войти

CD eval-genius

Определение того, нуждается ли ИИ/LLM/агент/система поиска в оценке, где она находится в процессе разработки, какую именно оценку запустить и как интерпретировать результат; затем проектирование, контроль, оценка и защита этой оценки. Не обычные модульные тесты.

машинный переводПоказать оригиналСкрыть оригинал«Decide whether an AI/LLM/agent/retrieval system needs an eval, where i…»

Decide whether an AI/LLM/agent/retrieval system needs an eval, where it fits in the dev process, which one to run, and how to read the result; then design, gate, judge, and defend it. Not ordinary unit tests.

davila7/claude-code-templates Agent Skills автор: davila7 MIT 1 файл тело ≈ 2 118 токенов Открыть источникgithub.com↗ проанализирован 6 дн назад

Определение того, нуждается ли ИИ/LLM/агент/система поиска в оценке, где она находится в процессе разработки, какую именно оценку запустить и как…

Как процесс D 38/100 · Процесс не доведён — Скилл ссылается на файлы, которых нет в архиве: references/00-start-here.md, references/01-foundation.md, references/02-grading-and-metrics.md

ПроцедураИИ и агентыРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
C
82/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
56
Прогон на моделях
не было
Процессный рейтинг
D
38/100
Процесс не доведён
Скилл ссылается на файлы, которых нет в архиве: references/00-start-here.md, references/01-foundation.md, references/02-grading-and-metrics.md
Инструменты и файлы вес 18
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение missing-ref ссылка на отсутствующий файл: references/00-start-here.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/01-foundation.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/02-grading-and-metrics.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/03-judge-calibration.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/04-search-vs-build.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/05-dataset-construction.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/06-harness-design.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/07-gates-and-ci.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/08-statistics.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/09-reporting.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/10-agentic-evals.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/11-reading-results.md
  • предупреждение missing-ref ссылка на отсутствующий файл: templates/preregistration.md
  • предупреждение missing-ref ссылка на отсутствующий файл: templates/benchmark-assessment-scorecard.md
  • предупреждение missing-ref ссылка на отсутствующий файл: templates/eval-report.md
  • предупреждение missing-ref ссылка на отсутствующий файл: templates/quality-checklist.md

Процессный рейтинг: все десять параметров 38/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/00-start-here.md, references/01-foundation.md, references/02-grading-and-metrics.md
  • 0Инструменты и файлы. Не хватает 16 файла(ов): references/00-start-here.md, references/01-foundation.md, references/02-grading-and-metrics.md
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 40Результат и критерий готовности. Не сказано, что считать результатом
  • 100Шаги. Шагов: 29
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2118 токенов
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 208 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 29 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 56.