スキル evaluation
📦

evaluation

コンテンツリビジョン r2 低リスク ⚙️ 外部コマンド

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.

対応: Claude Codex Code(CC)
Maintain this Skill? Claim it 🥉 77 ブロンズ

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。

エージェントリクエスト
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.

4
スキャンされたファイル
1,076
解析済み行数
0
レビュー項目
0
誤検知を無視

確認済みのセキュリティ上の懸念 (1)

低
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.

リスク要因

監査者: codex 監査履歴を表示 →
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。

バージョン別レポートを開く
セキュリティ評価

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_report

Markdownバッジ

[![Skillstore security assessment](https://skillstore.io/badges/skills/asmayaseen-evaluation/security.svg)](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/9

BibTeX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

Skillstore スコアが最高

muratcankoylan-evaluation

Skillstore スコア 81
証拠の信頼度 高
Skillstore 利用状況 23
更新済み

2026-09-09

chakshugautam-evaluation

Skillstore スコア 80
証拠の信頼度 高
Skillstore 利用状況 17
更新済み

2026-09-09

sickn33-evaluation

Skillstore スコア 78
証拠の信頼度 高
Skillstore 利用状況 18
更新済み

2026-09-09

Asmayaseen 現在

asmayaseen-evaluation

Skillstore スコア 77
証拠の信頼度 高
Skillstore 利用状況 21
更新済み

2026-10-25

Skillstore スコア

このスコアの理由 証拠の信頼度: 高
64
アーキテクチャ
85
保守性
87
コンテンツ
71
コミュニティ
83
仕様準拠

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

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.

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؟
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.

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