SKILL
eval-harness
面向 AI 编码会话的评估驱动开发（EDD）框架——在编码前定义能力评估和回归评估，使用基于代码、基于模型、规则或人工评分器进行评分，并跟踪 pass@k 和 pass^k 可靠性。适用于为智能体任务定义通过/失败标准、衡量智能体可靠性、为提示词或智能体变更构建回归测试套件，或跨模型版本进行基准测试。
机器翻译查看英文原文
Eval-driven development (EDD) framework for AI coding sessions — define capability and regression evals before coding, grade with code-based, model-based, rule, or human graders, and track pass@k and pass^k reliability. Use when defining pass/fail criteria for agent tasks, measuring agent reliability, building regression suites for prompt or agent changes, or benchmarking across model versions.
适用对象：软件开发与测试。自动收录 · 待核查。
在 Claude Code 中使用
该组合的专门教程待补充，尚未核实适配。
准备条件
- 本条仅收录原作者的技能元数据；请阅读完整说明，确认依赖、许可与使用条件。
选择已有说明的 AI 工具，或在页面加载后保存待办及提出教程请求。
查看原作者说明 ↗