evaluation-metrics
Über
Diese Claude-Skill wird automatisch während der Leistungsbewertung von LLMs aktiviert, um korrekte Metriken und Tests sicherzustellen. Sie verwaltet Evaluierungsdatensätze, berechnet Metriken, ermöglicht A/B-Tests und implementiert LLM-as-Judge-Muster. Nutzen Sie sie, wenn Sie strukturierte Experimentverfolgung und strenge Leistungsbewertung für Ihre LLM-Anwendungen benötigen.
Schnellinstallation
Claude Code
Empfohlennpx skills add mattnigh/skills_collection -a claude-code/plugin add https://github.com/mattnigh/skills_collectiongit clone https://github.com/mattnigh/skills_collection.git ~/.claude/skills/evaluation-metricsKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
GitHub Repository
Frequently asked questions
What is the evaluation-metrics skill?
evaluation-metrics is a Claude Skill by mattnigh. Skills package instructions and resources that Claude loads on demand, so Claude can perform evaluation-metrics-related tasks without extra prompting.
How do I install evaluation-metrics?
Use the install commands on this page: add evaluation-metrics to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does evaluation-metrics belong to?
evaluation-metrics is in the ai-llm category, tagged ai, testing, automation and data.
Is evaluation-metrics free to use?
Yes. evaluation-metrics is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
Verwandte Skills
Diese Claude Skill führt automatisch durch die Modell- und Anbieterauswahl für LLM-Anwendungen. Sie bietet Muster zur Kostenoptimierung, Fallback-Strategien und Multi-Model-Routing über Anbieter wie OpenAI und Anthropic hinweg. Nutzen Sie sie bei der Implementierung von Modellvergleichen, Anbieter-Failover oder Abwägungen zwischen Leistung und Kosten in Ihrem LLM-System.
Diese Claude Skill leitet automatisch den Entwurf von Multi-Agenten-Systemen, indem sie die korrekte Erstellung von Tool-Schemata mit Pydantic erzwingt, Agenten-Zustände verwaltet und robuste Fehlerbehandlung implementiert. Sie bietet Orchestrierungsmuster für zuverlässige Tool-Aufruf-Workflows und Agenten-Routing. Verwenden Sie sie beim Aufbau komplexer Agentensysteme, um wartbare und strukturierte Interaktionen zu gewährleisten.
Die KI-Sicherheits-Funktion wendet automatisch Sicherheitsschutzmaßnahmen für KI/LLM-Anwendungen an. Sie bietet Erkennung von Prompt-Injection, Schwärzung von personenbezogenen Daten, Ausgabefilterung und Inhaltsmoderation. Verwenden Sie diese Funktion beim Entwickeln von LLM-Anwendungen, die integrierte Sicherheitsvorkehrungen benötigen.
Diese Fähigkeit leitet automatisch die Auswahl von Modellen und Anbietern für LLM-Anwendungen. Sie bietet Muster für Kostenoptimierung, Fallback-Strategien und Multi-Model-Routing über Anbieter wie OpenAI und Anthropic hinweg. Nutzen Sie sie bei der Implementierung von Modellvergleichen, Anbieter-Failover oder Kosten-Leistungs-Optimierung in Ihrem LLM-System.