agent-evaluation
高风险 38使用可靠测试评估 LLM 智能体
LLM 智能体可能通过简单检查,却在真实工作流中失败。此技能有助于构建行为测试、基准测试和监控,以实现更强的生产环境评估。
综合搜索
先从任务出发。Skillstore 会优先展示完整技能包,再在单个技能更匹配时展示它们。
正在显示以下搜索结果: "agent"
当你只需要一个明确能力,而不是完整技能包时,可以使用这些技能。
使用可靠测试评估 LLM 智能体
LLM 智能体可能通过简单检查,却在真实工作流中失败。此技能有助于构建行为测试、基准测试和监控,以实现更强的生产环境评估。
构建更安全的自主编码智能体
自主编码智能体需要可靠的工具设计、权限门控和上下文控制。此技能为智能体循环、工具模式、浏览器操作和人工审批提供实用模式。
更高效地使用 Claude Code
智能体式编码工具很强大,但团队往往缺少清晰的操作习惯。此技能提供实用的 Claude Code 指南,涵盖设置、提示、调试和验证。
构建安全的计算机使用代理
计算机使用代理在控制屏幕、键盘和文件之前需要安全的设计。此技能提供实现模式、沙箱指导以及 Claude 工具示例,用于更安全的 GUI 自动化。
构建 CrewAI 多智能体工作流
设计多智能体系统需要清晰的角色、任务、工具和流程选择。此技能可指导 Python 工作流中的 CrewAI 规划、实现和评审。
自动化 PR CI 迭代
PR 修复通常需要反复进行 CI 检查、阅读评审、提交和推送。此技能会指导 Claude、Codex 或 Claude Code 使用 GitHub CLI 完成这一循环。
编排多智能体产品交付
复杂的产品工作可能需要协调规划、编码、测试和运维。Loki Mode 提供结构化的多智能体工作流,其中包含任务队列、检查点和审查步骤。
强化研究级工程工作流
当假设、复杂度或验证薄弱时,复杂工程任务往往会失败。此技能引导 Claude、Codex 和 Claude Code 采用严谨的分析、实现标准以及面向证明的评审。
使用 inference.sh CLI 运行 AI 应用
团队需要一个接口来使用多种托管 AI 模型和媒体工具。此技能可帮助代理从 CLI 发现、运行和监控 inference.sh 应用。
为什么此变体排名第一
使用 Crawl4AI 提取网页数据
网页很难转换为干净、可复用的数据。此技能帮助 Claude、Codex 和 Claude Code 使用 Crawl4AI 进行爬取、markdown 和提取工作流。
Manage Tokenized Stock and USDC Operations
Tokenized asset workflows combine multiple APIs, wallets, chains, signatures, and jurisdiction rules. This skill organizes Treasures Finance discovery, portfolio, quote, trade, bridge, and troubleshooting steps.
使用 Steel 自动化云端浏览
动态网站通常会让简单的 fetch 工具失效。此技能指导 Claude、Codex 和 Claude Code 使用 Steel 云浏览器进行抓取、导航、截图、PDF 生成和会话管理。