Zurück zu Fähigkeiten

benchmark-and-mms-planner

HeshamFS
Aktualisiert 2 days ago
7 Ansichten
40
3
40
Auf GitHub ansehen
Testenai

Über

Dieses Claude Skill unterstützt Entwickler bei der Erstellung von Verifikations- und Validierungsplänen für Simulationscodes, um vertrauenswürdige Ergebnisse zu gewährleisten. Es bietet strukturierte Methodiken, einschließlich künstlicher Lösungen, Benchmark-Probleme und Verfeinerungsstudien mit Bestehen/Nichtbestehen-Kriterien. Nutzen Sie es, wenn Sie die Korrektheit eines Lösers rigoros nachweisen müssen, anstatt lediglich Plausibilität zu demonstrieren.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add HeshamFS/materials-simulation-skills -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/HeshamFS/materials-simulation-skills
Git CloneAlternativ
git clone https://github.com/HeshamFS/materials-simulation-skills.git ~/.claude/skills/benchmark-and-mms-planner

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

Dokumentation

Benchmark And MMS Planner

Goal

Design a verification and validation plan before trusting simulation results. The skill helps agents choose manufactured solutions, benchmark cases, refinement protocols, uncertainty checks, and pass/fail criteria.

Requirements

  • Python 3.10+
  • No external dependencies
  • Works on Linux, macOS, and Windows

Inputs to Gather

InputDescriptionExample
PDE or model classGoverning familydiffusion, elasticity, phase-field
Quantity of interestMetric to validateinterface velocity, L2 temperature error
Dimension1, 2, or 32
Expected orderFormal discretization order2
Reference availabilityAnalytic, benchmark, or noneanalytic
Risk levelCost or consequence of wrong resulthigh

Decision Guidance

  • Use MMS when code correctness is uncertain and an analytic solution can be injected.
  • Use canonical benchmarks when physical model validation matters more than code verification.
  • Use grid/time refinement whenever the result is used for a claim, design decision, or comparison.
  • Use uncertainty propagation when inputs are calibrated, noisy, or experimentally measured.

Script Outputs

scripts/benchmark_mms_planner.py emits inputs and results with:

  • verification_strategy
  • mms_plan
  • benchmark_cases
  • refinement_protocol
  • acceptance_criteria
  • warnings

Workflow

  1. Collect the governing model, quantity of interest, and risk level.
  2. Run benchmark_mms_planner.py --json.
  3. Treat warnings as blockers for high-risk claims.
  4. Convert the returned protocol into tests, simulation runs, or review checklist items.
python3 skills/verification-validation/benchmark-and-mms-planner/scripts/benchmark_mms_planner.py \
  --model diffusion \
  --quantity "L2 error in temperature" \
  --dimension 2 \
  --expected-order 2 \
  --reference analytic \
  --risk high \
  --json

Error Handling

  • If the dimension or expected order is invalid, stop and correct the model description.
  • If no reference exists, use conservation and convergence checks but do not call the result validated.

Limitations

This skill plans verification work; it does not run the solver or prove that a physical model is appropriate for an experiment.

Security

  • Inputs are scalar strings and finite numeric values only.
  • The script does not execute external solvers.
  • File writes are not performed.
  • The skill uses Bash only to run its bundled script.

References

  • See references/vv_patterns.md for MMS, benchmark, and uncertainty planning notes.

Version History

  • 1.0.0: Initial benchmark and MMS planning skill.

GitHub Repository

HeshamFS/materials-simulation-skills
Pfad: skills/verification-validation/benchmark-and-mms-planner
0
agent-skillsagentscli-toolscomputational-sciencellmmaterials-science

Verwandte Skills

evaluating-llms-harness

Testen

Diese Claude Skill führt den lm-evaluation-harness aus, um LLMs über 60+ standardisierte akademische Aufgaben wie MMLU und GSM8K zu benchmarken. Sie wurde für Entwickler entwickelt, um Modellqualität zu vergleichen, Trainingsfortschritt zu verfolgen oder akademische Ergebnisse zu berichten. Das Tool unterstützt verschiedene Backends, einschließlich HuggingFace- und vLLM-Modelle.

Skill ansehen

cloudflare-cron-triggers

Testen

Diese Fähigkeit bietet umfassendes Wissen zur Implementierung von Cloudflare Cron Triggers, um Workers mithilfe von Cron-Ausdrücken zu planen. Sie behandelt das Einrichten periodischer Aufgaben, Wartungsjobs und automatisierter Workflows, während häufige Probleme wie ungültige Cron-Ausdrücke und Zeitzonenprobleme behandelt werden. Entwickler können sie zum Konfigurieren geplanter Handler, zum Testen von Cron-Triggers und zur Integration mit Workflows und Green Compute verwenden.

Skill ansehen

webapp-testing

Testen

Diese Claude Skill bietet ein Playwright-basiertes Toolkit zum Testen lokaler Webanwendungen durch Python-Skripte. Es ermöglicht Frontend-Verifizierung, UI-Debugging, Screenshot-Aufnahme und Log-Einblick bei gleichzeitiger Verwaltung von Server-Lebenszyklen. Nutzen Sie es für Browser-Automatisierungsaufgaben, führen Sie Skripte jedoch direkt aus, anstatt deren Quellcode zu lesen, um Kontextverschmutzung zu vermeiden.

Skill ansehen

finishing-a-development-branch

Testen

Diese Fähigkeit unterstützt Entwickler dabei, abgeschlossene Arbeiten zu finalisieren, indem sie testet, ob Tests bestehen, und dann strukturierte Integrationsoptionen präsentiert. Sie leitet den Workflow für das Zusammenführen von Code, das Erstellen von PRs oder das Bereinigen von Branches nach Abschluss der Implementierung. Nutzen Sie sie, wenn Ihr Code bereit und getestet ist, um den Entwicklungsprozess systematisch abzuschließen.

Skill ansehen