evals-skill
一个帮助Claude Code编写、运行和分析AI智能体评估的专业技能。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：evals-skill。 它的用途是：一个帮助Claude Code编写、运行和分析AI智能体评估的专业技能。 完整的 Skill 内容见：https://321skill.com/skills/evals-skill/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“我的RAG智能体有时会编造信息，帮我设计一个评估来检测幻觉。” 它会引导你分析错误类型，设计针对“事实准确性”和“引用验证”的评估用例，并建议使用代码评分器或LLM-as-judge进行自动评分。或者说：“为我的代码生成功能设置评估。” 它会应用编码代理的特定模式，如生成单元测试、计算pass@k指标或进行静态代码分析。
介绍
这个技能旨在解决AI智能体和LLM应用开发中，评估工作复杂、缺乏标准流程的痛点。它提供了一个系统化的方法论和最佳实践，指导用户如何规划评估实验、设计数据集、选择评分策略以及运行和审查结果。
使用时，只需在Claude Code中提出与评估相关的请求，例如“帮我为我的客服机器人写评估”或“如何测试RAG智能体的幻觉问题”，该技能便会自动激活，引导用户完成从目标定义到结果分析的完整评估流程，并推荐使用EZVals框架来简化实现。
它非常适合正在开发或维护AI智能体（如客服机器人、代码助手、RAG应用）的开发者、测试工程师和产品经理，帮助他们系统性地验证和提升智能体的性能与可靠性。
建议用户在使用前，先通过其提供的资源链接了解评估的基本概念。虽然技能推荐EZVals框架，但其核心方法论是框架无关的，用户可以根据项目实际情况选择合适的工具链。
核心特点
本技能不仅提供评估代码的编写指导，更提供了一套完整的评估规划方法论，覆盖从问题定义、实验设计到结果分析的完整生命周期。它深度整合了针对不同智能体类型（如RAG、代码生成）的专用评估模式，而非通用的测试建议。
注意事项
该技能主要面向AI智能体和LLM应用的评估，不适合传统软件（如Web后端、移动应用）的功能测试或单元测试场景。
常见问题
这个技能和普通的单元测试框架有什么区别？
它专注于评估非确定性AI智能体的行为（如回答质量、幻觉），而非确定性代码的逻辑正确性，涉及LLM评分、合成数据生成等独特挑战。
我需要安装EZVals才能使用这个技能吗？
不需要，技能本身是知识库，安装后即可获得方法论指导。但技能强烈推荐并围绕EZVals框架提供具体操作示例，使用EZVals能获得最佳体验。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/evals-skill/raw/index.md 读取 evals-skill 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/evals-skill/raw/index.md（查看排版版本）