evaluation
بناء تقييمات موثوقة للوكلاء
يصعب اختبار أنظمة الوكلاء لأن السلوك الصحيح قد يختلف بين تشغيل وآخر. توفر هذه المهارة معايير تقييم ومقاييس وسير عمل للتقييم القابل للتكرار.
自分のエージェントでインストール
このリクエストをエージェントにコピーしてください。正規の Skill ページとマニフェストが含まれています。
Review the Skillstore skill "evaluation" from https://skillstore.io/skills/asmayaseen-evaluation.md and its manifest at https://skillstore.io/api/skills/asmayaseen-evaluation/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.エージェントは引き続き計画を提示し、セキュリティポリシーで必要な確認を求める必要があります。
エージェントが読めるリソース
AI エージェント、クローラー、スクリプトがページ全体ではなく整理されたコンテキストを必要とする場合は、これらのリンクを使ってください。
テストする
「evaluation」を使用しています。 قيّم وكيل بحث يجيب عن أسئلة واقعية مع الاستشهادات.
期待される結果:
معيار تقييم بدرجات موزونة للدقة الواقعية، ودقة الاستشهادات، وجودة المصادر، والاكتمال، وكفاءة استخدام الأدوات.
「evaluation」を使用しています。 تحقق مما إذا كانت استراتيجية سياق جديدة قد حسّنت أداء الوكيل.
期待される結果:
خطة مقارنة تتضمن حالات اختبار مشتركة، ودرجات خط الأساس، والدرجات بعد التغيير، وملاحظات التراجع.
「evaluation」を使用しています。 أنشئ مراقبة إنتاج لسير عمل وكيل دعم.
期待される結果:
نهج مراقبة يتضمن محادثات مأخوذة كعينات، وتقييمًا متكررًا، وعتبات تنبيه، ونقاط مراجعة بشرية.
セキュリティ監査
低リスクAll ten static alerts are false positives caused by dictionary key iteration, Markdown code fences, or explanatory prose. The skill contains no network, subprocess, credential access, or prompt injection behavior. A low-severity privacy concern remains because production monitoring stores unredacted query and output previews in memory.
確認済みのセキュリティ上の懸念 (1)
リスク要因
⚙️ 外部コマンド (3)
このレポートを共有・引用
バージョン付き評価レポート、中立的なバッジ、埋め込みカード、引用を共有できます。Skillstore は証拠を報告しますが、この Skill が安全かどうかは判断しません。
レポートリンクをコピー
https://skillstore.io/skills/asmayaseen-evaluation/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdownバッジ
[](https://skillstore.io/skills/asmayaseen-evaluation?utm_source=security_passport_badge)HTMLバッジ
<a href="https://skillstore.io/skills/asmayaseen-evaluation?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/asmayaseen-evaluation/security.svg" alt="Skillstore security assessment" loading="lazy"></a>埋め込みカード
<iframe src="https://skillstore.io/embed/skills/asmayaseen-evaluation.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>学術引用 (APA · BibTeX · CFF)
APA形式の引用
Asmayaseen. (2026). evaluation security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/asmayaseen-evaluation/audits/9BibTeX形式の引用
@techreport{asmayaseen-asmayaseen-evaluation-2026,
author = {Asmayaseen},
title = {evaluation security audit report (audit version 9)},
institution = {Skillstore},
year = {2026},
number = {9},
url = {https://skillstore.io/skills/asmayaseen-evaluation/audits/9},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "evaluation security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
- name: "Asmayaseen"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/asmayaseen-evaluation/audits/9"
identifiers:
- type: other
value: "skillstore:asmayaseen-evaluation:audit:9"
description: "Skillstore immutable audit report identifier"
バリアントを比較
インストール可能なバリアント 4 件各作者のスキルは個別のインストール項目として維持されます。推奨バリアントは Skillstore の証拠で順位付けされます。
このバリアントが首位の理由
muratcankoylan-evaluation
2026-09-09
chakshugautam-evaluation
2026-09-09
Skillstore スコア
このスコアの理由 証拠の信頼度: 高作成できるもの
بوابات جودة الإصدار
قيّم تغييرات الوكيل قبل الإصدار باستخدام عتبات النجاح وأبعاد الجودة الموزونة.
مقارنة استراتيجيات السياق
قارن المطالبات والأدوات والذاكرة ونوافذ السياق باختبارات ومقاييس متسقة.
مراقبة جودة الإنتاج
خذ عينات من التفاعلات الحية وتتبّع اتجاهات الدرجات لاكتشاف التراجعات مبكرًا.
これらのプロンプトを試す
أنشئ معيار تقييم بسيطًا لوكيلي. ضمّن الدقة الواقعية والاكتمال وكفاءة استخدام الأدوات مع معايير نجاح واضحة.
صمّم مجموعة اختبار لسير عمل هذا الوكيل. ضمّن مهام بسيطة ومتوسطة ومعقدة وطويلة التشغيل مع النتائج المتوقعة.
قارن إعدادين للوكيل باستخدام معيار تقييم موزون. اعرض تغيّرات الدرجات والتراجعات والأسباب المحتملة.
أنشئ خطة تقييم مستمرة لوكلاء الإنتاج. ضمّن أخذ العينات، ومراجعة LLM-as-judge، والمراجعة البشرية، والتنبيهات، وتقارير الاتجاهات.
ベストプラクティス
- قيّم النتائج وجودة العملية بدلًا من اشتراط مسار تنفيذ واحد بعينه.
- استخدم مجموعات اختبار تمثيلية تشمل المهام العادية، والحالات الحدية، والتفاعلات الطويلة.
- اجمع بين التحكيم الآلي والمراجعة البشرية للحالات المهمة أو الملتبسة.
回避
- لا تعتمد على درجة إجمالية واحدة دون التحقق من الأبعاد الفردية.
- لا تقيّم أمثلة سهلة فقط تخفي التراجعات في المهام المعقدة.
- لا تعامل نتائج حكم LLM على أنها نهائية دون معايرة أو فحوصات موضعية.
よくある質問
ما الذي تقيّمه هذه المهارة؟
هل يمكنها أن تحل محل المراجعة البشرية؟
هل تدعم سير عمل LLM-as-judge؟
هل يمكنني مقارنة إصدارين من الوكيل؟
هل تتضمن كودًا قابلًا للتشغيل؟
ما الذي يجب أن أخصصه أولًا؟
開発者情報
作成者
Asmayaseenライセンス
MIT
Skillstore リビジョン
r2
バージョンに関する注意
作者はバージョンを宣言していません。
参照
89edfdc710d0846129dcee6a929477b04f08052c
メンテナンスの新しさ
2026/7/26
利用状況
11 ダウンロード · 279 閲覧
ファイル構成