المهارات evaluation
📦

evaluation

مراجعة المحتوى r2 مخاطر منخفضة ⚙️ الأوامر الخارجية

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.

يدعم: Claude Codex Code(CC)
🥉 77 برونزي

التثبيت باستخدام Agent لدي

انسخ هذا الطلب إلى Agent لديك. يتضمن صفحة Skill المعتمدة وملف manifest.

طلب الوكيل
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.

يجب أن يواصل Agent عرض خطته وطلب أي تأكيد تفرضه سياسة الأمان.

موارد مهيّأة لـ Agents

استخدم هذه الروابط عندما يحتاج AI Agent أو crawler أو script إلى سياق نظيف بدلًا من قراءة الصفحة كاملة.

تفاصيل Markdown GET /skills/asmayaseen-evaluation.md manifest موقَّع GET /api/skills/asmayaseen-evaluation/manifest lockfile موقَّع GET /api/skills/asmayaseen-evaluation/lockfile

اختبرها

جارٍ استخدام "evaluation". قيّم وكيل بحث يجيب عن أسئلة واقعية مع الاستشهادات.

النتيجة المتوقعة:

معيار تقييم بدرجات موزونة للدقة الواقعية، ودقة الاستشهادات، وجودة المصادر، والاكتمال، وكفاءة استخدام الأدوات.

جارٍ استخدام "evaluation". تحقق مما إذا كانت استراتيجية سياق جديدة قد حسّنت أداء الوكيل.

النتيجة المتوقعة:

خطة مقارنة تتضمن حالات اختبار مشتركة، ودرجات خط الأساس، والدرجات بعد التغيير، وملاحظات التراجع.

جارٍ استخدام "evaluation". أنشئ مراقبة إنتاج لسير عمل وكيل دعم.

النتيجة المتوقعة:

نهج مراقبة يتضمن محادثات مأخوذة كعينات، وتقييمًا متكررًا، وعتبات تنبيه، ونقاط مراجعة بشرية.

التدقيق الأمني

مخاطر منخفضة
v9 • ٢٣‏/٧‏/٢٠٢٦ فتح التقرير المرتبط بالإصدار

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.

4
الملفات التي تم فحصها
1,076
الأسطر التي تم تحليلها
0
عناصر المراجعة
0
تم تجاهل الإيجابيات الكاذبة

مخاوف أمنية مؤكدة (1)

منخفض
scripts/evaluator.py:417-427
Unredacted Production Interaction Previews
ProductionMonitor retains the first 200 characters of queries and outputs without redaction. Sensitive content could remain in memory or appear in downstream diagnostics.
The implementation directly slices query and output text into an in-memory sample record. No redaction or retention control is present in this code.

عوامل الخطر

⚙️ الأوامر الخارجية (3)
SKILL.md:143-151 SKILL.md:151-157 SKILL.md:157-185
دقّقه: codex عرض سجل التدقيق →
شارك واستشهد بهذا التقرير

شارك تقرير التقييم المرتبط بالإصدار والشارة المحايدة وبطاقة التضمين والاستشهادات. تعرض Skillstore الأدلة من دون أن تقرر ما إذا كانت هذه المهارة آمنة.

فتح التقرير المرتبط بالإصدار
تقييم الأمان

نسخ رابط التقرير

https://skillstore.io/skills/asmayaseen-evaluation/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

شارة Markdown

[![Skillstore security assessment](https://skillstore.io/badges/skills/asmayaseen-evaluation/security.svg)](https://skillstore.io/skills/asmayaseen-evaluation?utm_source=security_passport_badge)

شارة HTML

<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>

بطاقة قابلة للتضمين

<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>
الاستشهادات الأكاديمية (APA · BibTeX · CFF)

اقتباس APA

Asmayaseen. (2026). evaluation security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/asmayaseen-evaluation/audits/9

اقتباس BibTeX

@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"

مقارنة المتغيرات

4 متغيرات قابلة للتثبيت

تبقى مهارة كل مؤلف عنصراً مستقلاً قابلاً للتثبيت. يُرتب المتغير الموصى به وفق أدلة Skillstore.

سبب تصدر هذا المتغير

أعلى تقييم في Skillstore
muratcankoylan موصى به

muratcankoylan-evaluation

تقييم Skillstore 81
موثوقية الأدلة مرتفع
استخدام Skillstore 14
تم التحديث

2026-09-09

ChakshuGautam

chakshugautam-evaluation

تقييم Skillstore 80
موثوقية الأدلة مرتفع
استخدام Skillstore 10
تم التحديث

2026-09-09

sickn33

sickn33-evaluation

تقييم Skillstore 78
موثوقية الأدلة مرتفع
استخدام Skillstore 12
تم التحديث

2026-09-09

Asmayaseen الحالي

asmayaseen-evaluation

تقييم Skillstore 77
موثوقية الأدلة مرتفع
استخدام Skillstore 14
تم التحديث

2026-09-09

تقييم Skillstore

سبب هذا التقييم موثوقية الأدلة: مرتفع
64
الهندسة المعمارية
85
قابلية الصيانة
87
المحتوى
71
المجتمع
83
الامتثال للمواصفات

ما الذي يمكنك بناؤه

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.

جرّب هذه الموجّهات

إنشاء معيار تقييم أساسي 
أنشئ معيار تقييم بسيطًا لوكيلي. ضمّن الدقة الواقعية والاكتمال وكفاءة استخدام الأدوات مع معايير نجاح واضحة.
تصميم مجموعة اختبار 
صمّم مجموعة اختبار لسير عمل هذا الوكيل. ضمّن مهام بسيطة ومتوسطة ومعقدة وطويلة التشغيل مع النتائج المتوقعة.
مقارنة إصدارات الوكيل 
قارن إعدادين للوكيل باستخدام معيار تقييم موزون. اعرض تغيّرات الدرجات والتراجعات والأسباب المحتملة.
بناء تقييم مستمر 
أنشئ خطة تقييم مستمرة لوكلاء الإنتاج. ضمّن أخذ العينات، ومراجعة LLM-as-judge، والمراجعة البشرية، والتنبيهات، وتقارير الاتجاهات.

أفضل الممارسات

  • 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.

تجنب

  • 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.

الأسئلة المتكررة

ما الذي تقيّمه هذه المهارة؟
تقيّم مخرجات الوكيل، واستخدام الأدوات، وسلوك الاستشهاد، وجودة المصادر، والاكتمال، والأداء بمرور الوقت.
هل يمكنها أن تحل محل المراجعة البشرية؟
لا. تساعد في توسيع نطاق المراجعة، لكن يجب على البشر فحص الحالات الحدية، وقضايا السلامة، والقرارات عالية التأثير.
هل تدعم سير عمل LLM-as-judge؟
نعم. تشرح كيفية هيكلة مطالبات الحكم، والأبعاد، ومستويات التسجيل، ومخرجات المراجعة.
هل يمكنني مقارنة إصدارين من الوكيل؟
نعم. استخدم مجموعة الاختبار ومعيار التقييم نفسيهما لمقارنة تغيّرات الدرجات، والتراجعات، وفروق الكفاءة.
هل تتضمن كودًا قابلًا للتشغيل؟
نعم. تتضمن المهارة أمثلة تقييم Python قابلة للتشغيل توضح التسجيل، وتتبع السجل، والملخصات.
ما الذي يجب أن أخصصه أولًا؟
ابدأ بأبعاد التقييم، والأوزان، وعتبات النجاح، وحالات الاختبار التي تطابق مهام المستخدمين الحقيقية لديك.

تفاصيل المطور

المؤلف

Asmayaseen

الترخيص

MIT

مراجعة Skillstore

r2

تنبيه الإصدار

لم يعلن المؤلف عن إصدار.

المستودع

https://github.com/Asmayaseen/hackathon-2/tree/main/.claude/skills/evaluation

مرجع

89edfdc710d0846129dcee6a929477b04f08052c

حداثة الصيانة

٢٦‏/٧‏/٢٠٢٦

الاستخدام

11 تنزيلات · 279 مشاهدات

بنية الملفات

📁 references/

📄 metrics.md

📁 scripts/

📄 evaluator.py

📄 verify.py

📄 SKILL.md

المزيد من Asmayaseen

عرض الكل
📦

streaming-llm-responses

80

بناء واجهات دردشة ذكاء اصطناعي بالبث المباشر

تبدو دردشة الذكاء الاصطناعي في الوقت الفعلي معطلة عندما لا يستطيع المستخدمون رؤية التقدم أو حالة الاستجابة أو تغييرات واجهة المستخدم. تمنح هذه المهارة Claude وCodex وClaude Code أنماطا لدورات حياة البث، وأحداث التقدم، وتأثيرات العميل، وأدوات العميل.

البرمجة والتطوير عرض

مهارات ذات صلة

عرض الكل
📦

req-change-workflow

81

توحيد سير عمل تغييرات المتطلبات

بواسطة yunshu0909

غالبا ما تتوسع تغييرات المتطلبات خارج نطاقها المقصود وتخلق مخاطر انحدار غير واضحة. تمنح هذه المهارة Claude وCodex وClaude Code سير عمل محكوما بمراحل بوابات لتحديد النطاق، ومراجعة الأثر، والتحقق، وسجلات القرارات.

البرمجة والتطوير عرض