evals-skills
为AI编程助手提供构建和优化LLM评估流程的技能包
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-skills。 它的用途是：为AI编程助手提供构建和优化LLM评估流程的技能包 完整的 Skill 内容见：https://321skill.com/skills/evals-skills/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
'/evals-skills:eval-audit'，它会引导AI助手对你的LLM评估管道进行审计，并行启动多个子代理检查不同诊断区域（如数据、评估器、指标），最后合成一份包含优先级排序问题的报告，并推荐其他修复技能。
介绍
这个技能包旨在解决开发者在构建LLM评估系统时遇到的常见陷阱和效率低下问题。它通过一套预设的指令和流程，指导AI编程助手（如Claude Code）系统地审查、诊断和改进评估管道。
使用方式非常直接：在支持插件的AI编程环境中安装该技能包，然后通过类似/evals-skills:eval-audit的命令调用特定技能。每个技能都封装了针对评估流程中特定环节（如错误分析、数据生成、评估器验证）的最佳实践和检查清单。
它非常适合负责构建、测试或优化基于LLM的应用程序的开发者、研究者和技术团队，特别是那些对评估方法论不熟悉或希望标准化评估流程的团队。
建议从eval-audit技能开始，对整个评估管道进行一次全面体检，再根据审计报告的建议，有针对性地使用其他技能进行修复和优化。注意，这些技能提供的是通用性指导，对于特定领域或复杂业务场景，可能需要在此基础上开发定制化的技能。
核心特点
该技能包基于作者帮助50多家公司和教学的经验，提炼了LLM评估中最常见的错误模式，提供了从审计到修复的端到端指导。与零散的提示词或通用代码生成不同，它专门针对评估流程的结构化问题（如数据偏差、评估器校准、RAG质量）提供具体、可操作的诊断和解决方案。
注意事项
不适合需要深度定制、涉及高度专有领域知识或复杂生产级监控与集成的评估场景。
常见问题
我是评估新手，应该从哪里开始？
从`eval-audit`技能开始，它能对你的评估管道进行全面检查并指出常见问题。
这个技能包能完全自动化我的评估工作吗？
不能，它旨在指导和辅助，帮你避免常见错误，但核心的领域知识、数据分析和生产集成仍需人工参与。
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-skills/raw/index.md 读取 evals-skills 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-skills/raw/index.md（查看排版版本）