📦
tool-design
81信頼性の高いエージェントツールを設計する
ツール名、入力、出力、エラーが曖昧だと、エージェントは失敗します。このスキルは、ツールの説明、スキーマ、レスポンス形式、テストのための実践的なパターンを提供します。
コーディング＆開発 表示
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
信頼性の高いエージェント評価を構築する
エージェントシステムは、実行ごとに妥当な動作が変わり得るため、テストが困難です。このスキルは、再現性のある評価のためのルーブリック、指標、ワークフローを提供します。
対応: Claude Codex Code(CC)
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。 引用付きで事実に関する質問に回答するリサーチエージェントを評価する。
期待される結果:
事実の正確性、引用の正確性、ソース品質、完全性、ツール効率性に対する重み付きスコアを含むルーブリック。
「evaluation」を使用しています。 新しいコンテキスト戦略によってエージェントのパフォーマンスが向上したかを確認する。
期待される結果:
共通のテストケース、ベースラインスコア、変更後のスコア、リグレッションメモを含む比較計画。
「evaluation」を使用しています。 エージェントサポートワークフロー向けの本番モニタリングを作成する。
期待される結果:
サンプリングされた会話、定期評価、アラートしきい値、人間によるレビューチェックポイントを含むモニタリング手法。
セキュリティ監査
低リスクv9 • 2026/7/23 バージョン別レポートを開く
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
⚙️ 外部コマンド (3)
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。
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
Skillstore スコアが最高
作者 / ソース Skillstore スコア 証拠の信頼度 Skillstore 利用状況 更新済み
muratcankoylan-evaluation
Skillstore スコア 81
証拠の信頼度 高
Skillstore 利用状況 14
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 10
更新済み
2026-09-09
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
リリース品質ゲート
合格しきい値と重み付き品質軸を使用して、リリース前にエージェントの変更を評価します。
コンテキスト戦略の比較
一貫したテストと指標を使って、プロンプト、ツール、メモリ、コンテキストウィンドウを比較します。
本番品質モニタリング
ライブのやり取りをサンプリングし、スコア傾向を追跡して、リグレッションを早期に検出します。
これらのプロンプトを試す
基本的なルーブリックを作成する
私のエージェント向けにシンプルな評価ルーブリックを作成してください。事実の正確性、完全性、ツール効率性を含め、明確な合格基準を示してください。
テストセットを設計する
このエージェントワークフロー向けのテストセットを設計してください。シンプル、中程度、複雑、長時間実行のタスクと、期待される結果を含めてください。
エージェントバージョンを比較する
重み付きルーブリックを使用して、2つのエージェント設定を比較してください。スコアの変化、リグレッション、考えられる原因を報告してください。
継続的評価を構築する
本番エージェント向けの継続的評価計画を作成してください。サンプリング、LLM-as-judgeレビュー、人間によるレビュー、アラート、傾向レポートを含めてください。
ベストプラクティス
- 1つの厳密な実行パスを要求するのではなく、結果とプロセス品質を評価します。
- 通常タスク、エッジケース、長いやり取りを含む代表的なテストセットを使用します。
- 重要または曖昧なケースでは、自動判定と人間によるレビューを組み合わせます。
回避
- 個別の評価軸を確認せずに、1つの集計スコアだけに依存しないでください。
- 複雑なタスクでのリグレッションを隠してしまうような簡単な例だけを評価しないでください。
- LLM判定結果を、キャリブレーションや抜き取り確認なしに最終判断として扱わないでください。
よくある質問
このスキルは何を評価しますか？
エージェントの出力、ツール使用、引用動作、ソース品質、完全性、時間経過に伴うパフォーマンスを評価します。
人間によるレビューを置き換えられますか？
いいえ。レビューのスケールには役立ちますが、エッジケース、安全性の問題、影響の大きい意思決定は人間が確認すべきです。
LLM-as-judgeワークフローをサポートしていますか？
はい。判定用プロンプト、評価軸、採点レベル、レビュー出力の構成方法を説明します。
2つのエージェントバージョンを比較できますか？
はい。同じテストセットとルーブリックを使用して、スコアの変化、リグレッション、効率性の違いを比較できます。
実行可能なコードは含まれていますか？
はい。このスキルには、採点、履歴追跡、要約を実演するPython評価器の例が含まれています。
最初に何をカスタマイズすべきですか？
実際のユーザータスクに合った評価軸、重み、合格しきい値、テストケースから始めてください。
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
2026/7/24
利用状況
11 ダウンロード · 279 閲覧
ファイル構成
Asmayaseen のその他のスキル
すべて表示📦
systematic-debugging
81ソフトウェアの問題を体系的にデバッグする
構造化されていないバグ修正は時間を浪費し、本当の失敗原因を隠すことがあります。このスキルは Claude、Codex、Claude Code に、証拠に基づく根本原因分析をガイドします。
コーディング＆開発 表示
📦
operating-production-services
81本番サービスの信頼性を向上させる
本番運用チームには、明確な信頼性目標と再現可能なインシデント対応の実践が必要です。このスキルは、SLO、エラーバジェット、アラート、ポストモーテムのためのSREテンプレートを提供します。
DevOps＆インフラ 表示
📦
styling-with-shadcn
80Next.jsでshadcn/uiインターフェースを構築
Reactチームには、モダンなNext.jsで機能する一貫したUIパターンが必要です。このスキルは、shadcn/uiのセットアップガイダンス、コンポーネント例、フォームバリデーション、テーブル、サイドバー、ダークモードパターンを提供します。
コーディング＆開発 表示
📦
streaming-llm-responses
80ストリーミングAIチャットインターフェイスを構築する
ユーザーが進捗、応答状態、UIの変化を確認できない場合、リアルタイムAIチャットは壊れているように感じられます。このスキルは、Claude、Codex、Claude Codeに、ストリーミングのライフサイクル、進捗イベント、クライアント効果、クライアントツールのパターンを提供します。
コーディング＆開発 表示
📦
context-degradation
80コンテキスト劣化を診断する
長い AI セッションでは、コンテキストが増えたり、競合したり、注意をそらす素材が含まれたりすると、精度が低下することがあります。このスキルは、Claude、Codex、Claude Code が劣化パターンを特定し、実用的な緩和手順を選ぶのに役立ちます。
調査＆学習 表示
関連スキル
すべて表示📦
llm-evaluation
78LLMアプリケーション品質の評価
作成者 wshobson
LLMチームには、変更がユーザーに届く前に品質を測定するための再現可能な方法が必要です。このスキルは、自動メトリクス、人によるレビュー、判定、ベンチマーク、回帰チェックの構成を支援します。
データ＆アナリティクス 表示
📦
req-change-workflow
81要件変更ワークフローを標準化する
作成者 yunshu0909
要件変更は意図した範囲を超えて広がり、回帰リスクを不明確にしがちです。このスキルは、Claude、Codex、Claude Code に、スコープ設定、影響レビュー、検証、意思決定記録のためのゲート付きワークフローを提供します。
コーディング＆開発 表示
📦
tdd
80Red-Green-RefactorでTDDを導くガイド
作成者 mattpocock
テストファーストの作業は、チームが内部実装をテストしたり、最初に多くのテストを書きすぎたりすると、壊れやすくなりがちです。このスキルは、Codex、Claude、Claude Codeに対して、振る舞いに焦点を当てたred-green-refactorサイクルをガイドします。
コーディング＆開発 表示
📦
property-testing-guide
80ProptestでRustのプロパティテストを設計する
作成者 EmilLindfors
有用なプロパティやジェネレーターが常に明らかとは限らないため、プロパティベーステストは適用が難しい場合があります。このスキルは、Claude、Codex、またはClaude CodeがRustコード向けに的を絞ったproptest戦略を提案するのに役立ちます。
コーディング＆開発 表示
📦
fix-bug
79構造化されたトリアージでバグを修正
作成者 Crearize
バックエンドとフロントエンドにまたがるデバッグでは、コンテキストが失われたりリグレッションテストを見落としたりすることがあります。このスキルは、根本原因分析、最小限の修正、検証、プルリクエストへの引き継ぎをガイドします。
コーディング＆開発 表示
📦
devops-orchestrator
79DevOpsデリバリーを調整
作成者 Brownbull
DevOpsの作業は、パイプライン、インフラストラクチャ、モニタリング、デプロイ判断にまたがることがよくあります。このスキルは、それらのタスクをチェックリスト、引き継ぎ、ロールアウト計画として整理します。
DevOps＆インフラ 表示