Оценивайте агентные системы
Агентные системы сложно тестировать, потому что корректные запуски могут идти разными путями. Этот навык помогает создавать рубрики, тестовые наборы, методы оценки и регрессионные проверки для надежной оценки качества.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "evaluation" from https://skillstore.io/skills/sickn33-evaluation.md and its manifest at https://skillstore.io/api/skills/sickn33-evaluation/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Использование «evaluation». Мне нужно оценить исследовательского агента перед релизом.
Ожидаемый результат:
Рубрика, охватывающая фактическую точность, качество цитирования, полноту, качество источников и эффективность использования инструментов, а также пороги релиза и заметки для проверки.
Использование «evaluation». Я изменил схему контекста и мне нужно доказательство, что качество улучшилось.
Ожидаемый результат:
План сравнения с использованием того же тестового набора, взвешенных оценок качества, использования токенов, количества вызовов инструментов и регрессионных проверок.
Использование «evaluation». Мне нужен мониторинг качества агента в продакшене.
Ожидаемый результат:
План выборки, структура дашборда метрик, пороги оповещений и процесс сочетания автоматизированных оценок с проверкой человеком.
All nine static findings are false positives caused by Markdown fences, descriptive prose, integration names, and a source metadata URL. The skill is documentation-only and contains no executable commands, network requests, reconnaissance behavior, or prompt injection.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/sickn33-evaluation/audits/5?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/sickn33-evaluation?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/sickn33-evaluation?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/sickn33-evaluation/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/sickn33-evaluation.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>sickn33. (2026). evaluation security audit report (audit version 5) [Author version unspecified]. Skillstore. https://skillstore.io/skills/sickn33-evaluation/audits/5@techreport{sickn33-sickn33-evaluation-2026,
author = {sickn33},
title = {evaluation security audit report (audit version 5)},
institution = {Skillstore},
year = {2026},
number = {5},
url = {https://skillstore.io/skills/sickn33-evaluation/audits/5},
note = {Author version unspecified}
}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 5)"
version: "unspecified"
type: report
authors:
- name: "sickn33"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/sickn33-evaluation/audits/5"
identifiers:
- type: other
value: "skillstore:sickn33-evaluation:audit:5"
description: "Skillstore immutable audit report identifier"
Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.
Почему этот вариант первый
muratcankoylan-evaluation
2026-09-09
chakshugautam-evaluation
2026-09-09
sickn33-evaluation
2026-09-09
asmayaseen-evaluation
2026-09-09
Определите критерии прохождения и регрессионные проверки перед выпуском изменений в агентный рабочий процесс.
Измерьте, как разные схемы контекста, варианты памяти и наборы инструментов влияют на качество агента.
Отбирайте примеры реальных взаимодействий и отслеживайте тенденции качества по точности, полноте и эффективности использования инструментов.
Помогите мне определить цели оценки для агента, который выполняет [task]. Включите параметры качества, режимы отказа и простой порог прохождения.
Создайте многомерную рубрику для оценки [agent output type]. Включите уровни оценок, веса и рекомендации для проверяющих людей.
Спроектируйте тестовый набор для [agent workflow]. Включите простые, средние, сложные и очень сложные случаи с ожидаемыми результатами.
Проанализируйте эти результаты оценки для [agent version]. Выявите регрессии, вероятные причины, пределы уверенности и следующие эксперименты для запуска.
Автор
sickn33Лицензия
MIT
Ревизия Skillstore
r2
Примечание о версии
Автор не указал версию.
Ссылка
88a8e9a07f4c54ab105c1c41b6267c287146b07b
Актуальность поддержки
26.07.2026
Использование
9 загрузок · 147 просмотров
Структура файлов
📄 SKILL.md
Создание маркетингового контента в едином стиле бренда
Маркетинговым командам нужен контент, который остается согласованным во всех каналах. Этот навык помогает планировать, писать, анализировать и оптимизировать контент с учетом голоса бренда и SEO.
Улучшайте LLM-промпты с помощью проверенных паттернов
Непоследовательные промпты тратят время и снижают доверие к результатам AI. Этот навык помогает проектировать промпты с использованием переиспользуемых паттернов, примеров, этапов оценки и рабочих процессов оптимизации.
Проектируйте масштабируемые архитектуры ПО
Архитектурные решения сложно сравнивать для веб-, мобильных, backend- и облачных систем. Этот навык предоставляет структурированные руководства и локальные скрипты-заготовки для отчетов, анализа зависимостей и документирования компромиссов.
Создавайте fullstack-приложения с senior-паттернами
Командам нужны единые рекомендации по настройке, архитектуре и ревью для современных веб-приложений. Этот skill предоставляет scaffolders, справочные материалы по рабочим процессам и quality prompts для проектов на React, Next.js, Node.js, GraphQL и PostgreSQL.
Оптимизируйте AI-промпты с Prompt Engineer
Писать понятные промпты сложно, когда цели расплывчаты или комплексны. Этот навык превращает черновые запросы в структурированные промпты с использованием проверенных фреймворков для промптинга.
Приоритизируйте продуктовую работу с помощью исследовательских инсайтов
Продуктовым командам нужны более быстрые способы ранжировать функции, обобщать интервью и документировать решения. Этот навык предоставляет RICE-оценку, анализ интервью и шаблоны PRD для структурированного планирования.
Стандартизация рабочих процессов изменения требований
от yunshu0909
Изменения требований часто выходят за пределы предполагаемого объема и создают неясный регрессионный риск. Этот навык дает Claude, Codex и Claude Code поэтапный рабочий процесс для определения объема, анализа влияния, валидации и фиксации решений.
Диагностика деградации контекста в ИИ-агентах
от ChakshuGautam
Длинные диалоги и большие промпты могут приводить к тому, что ИИ-агенты теряют важную информацию или следуют противоречивому контексту. Этот навык помогает Claude, Codex и Claude Code выявлять паттерны деградации и выбирать стратегии смягчения.
Проектирование многоагентных AI-систем
от muratcankoylan
Многоагентные системы сложно проектировать, потому что координация, изоляция контекста и режимы отказа взаимосвязаны. Этот навык дает практические шаблоны, компромиссы и примеры для создания надежных команд агентов.
Исправление ошибок с помощью структурированного триажа
от Crearize
Отладка backend и frontend может терять контекст и пропускать регрессионные тесты. Этот навык направляет анализ первопричины, минимальные исправления, проверку и передачу pull request.
Fix Bugs with Focused, Verified Changes
от juliusbrussee
Broad fixes can introduce unrelated regressions and overwrite existing work. This skill traces each bug to its responsible layer and verifies a focused correction.
Безопасный рефакторинг кода
от Crearize
Рефакторинг может улучшить код, но при широких изменениях способен привести к регрессиям. Этот навык помогает проводить поэтапный анализ, небольшие правки, тестирование, планирование отката и подготовку понятных отчетов.