Sari la conținut

Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

De la autor

Build and run evals for LLM and agent systems: golden datasets, LLM-as-a-judge with bias control, trajectory/step/outcome scoring, adversarial refuters, and CI regression gates. Triggers on: eval, evals, eval harness, golden dataset, golden set, LLM-as-a-judge, judge rubric, judge bias, judge calibration, Cohen kappa, agreement with human labels, pass@k, pass^k, trajectory eval, step-level eval, tool-call accuracy, regression gate, eval CI, blocking vs advisory eval, faithfulness score, DeepEval, Braintrust, Opik, Langfuse, AgentOps, did my prompt change make it worse, is my agent getting better.

Instalare

npx skills add 0xDarkMatter/claude-mods --skill evals-ops -a claude-code

Se instalează în .claude/skills/evals-ops/ · Fiecare comandă descarcă skill-ul direct de pe GitHub cu utilitarul open source skills.

Descarcă .zip

Identic octet cu octet cu commit-ul scanat, cu licența depozitului și un fișier SOURCE.txt.

Vrei ca agentul să-ți propună skill-uri în timp ce scrii? Vezi cum folosești skill-urile din IDE.

Verificări de siguranță pe SKILL.md

  • Include scripturi pe care nu le-am verificatScăzut

De ce 77

Securitate85
Proveniență63
Întreținere100
Licență100
Adopție33

aiqbench calculează scorul de încredere din semnale publice. Nu este un audit de securitate, așa că citește un skill înainte să-l instalezi.

Skill-uri similare

Cele mai apropiate de acesta prin ce fac și când sunt folosite.

Note și recenzii

—

nicio recenzie

Ai încercat acest skill? Notează-l ca să-i ajuți pe alții. Autentifică-te

    Discuție

    Intră în discuție. Autentifică-te