SSkilnexa
AgentDữ liệu và AIHợp với: Người viết skillMức: Kỹ thuật

Chấm điểm chất lượng skill của plugin

eval-judge

Đóng vai giám khảo chấm skill theo thang điểm mẫu: có kích hoạt đúng lúc không, phối hợp tốt không, kết quả ra sao, phạm vi có hợp lý không, bằng cách mô phỏng ba tác vụ.

Tải miễn phí. Theo dõi Skilnexa một lần là mở khoá mọi lượt tải trên web.

Nút theo dõi đang được chuẩn bị.
Link tải đang được chuẩn bị.

Nó là gì

Bộ chấm điểm tự động cho skill của plugin Claude Code, dành cho người viết và kiểm tra skill. Nó đánh giá một skill theo bốn tiêu chí và trả về điểm từ 0 đến 1 kèm lý do.

Hoạt động ra sao

Bạn đưa đường dẫn thư mục của một skill, công cụ đọc SKILL.md và các tệp trong thư mục references. Nó chấm độ chính xác khi kích hoạt, vai trò chỉ làm việc, chất lượng đầu ra và độ vừa phạm vi. Kết quả là một khối JSON có điểm và lý do cho từng mục.

Ví dụ ứng dụng

Tình huống
Nhóm bạn viết hai mươi skill cho công ty và muốn biết skill nào mô tả còn mơ hồ trước khi phát hành.
Bạn đưa vào
Đường dẫn thư mục của một skill cần kiểm, ví dụ skill soạn báo giá.
Bạn nhận được
Bảng điểm bốn mục, mỗi mục có lý do ngắn để biết cần sửa mô tả hay nội dung nào.

Ví dụ minh họa theo quy trình trong tài liệu gốc, chưa phải kết quả thử chạy.

Dùng khi nào

Khi bạn tự viết skill cho Claude và muốn chấm chất lượng trước khi dùng.

Các phần chính trong hướng dẫn

  1. Nhận đầu vào
  2. Quy trình đánh giá
  3. Chấm độ kích hoạt đúng lúc
  4. Chấm khả năng phối hợp
  5. Chấm chất lượng kết quả
  6. Chấm độ hợp lý của phạm vi
  7. Trình bày kết quả
Xem mô tả gốc của tác giả (tiếng Anh)

LLM judge for plugin quality assessment. Scores skills on triggering accuracy, orchestration fitness, output quality, and scope calibration using anchored rubrics.

Chi tiết tính năng

  • Simulate 3 realistic tasks this skill would handle. Assess whether the skill's instructions would guide Claude to produce correct, complete, and useful output.
  • 0.0-0.2: Instructions would lead to incorrect or unhelpful output
  • 0.3-0.4: Some useful guidance but major gaps in coverage
  • 0.5-0.6: Adequate instructions for basic cases, struggles with complexity
  • 0.7-0.8: Good instructions that produce quality output for most cases
  • 0.9-1.0: Excellent instructions — comprehensive, actionable, handles edge cases
  • 0.0-0.2: Too thin — stub with insufficient content
  • 0.3-0.4: Too narrow — covers topic but missing important aspects

Cùng nhóm Dữ liệu và AI

Phần giải thích do Skilnexa viết sau khi đọc toàn bộ tài liệu gốc của tác giả và đã đối chiếu lại với nội dung gốc. Chưa phải kết quả thử chạy, nên hãy thử bằng dữ liệu giả trước khi dùng cho việc thật.