について
このスキルは、スコアのチャートを表示し、パフォーマンスの傾向を分析することで進化の進捗を可視化します。停滞や後退を検知し、実行可能な提案を伴う警告を提供します。開発者は、進化ステータスの確認、反復回数の確認、または最適化ループが停滞していないかをチェックする際に、このスキルを使用すべきです。
クイックインストール
Claude Code
推奨npx skills add raphaelchristi/harness-evolver -a claude-code/plugin add https://github.com/raphaelchristi/harness-evolvergit clone https://github.com/raphaelchristi/harness-evolver.git ~/.claude/skills/harness:statusこのコマンドをClaude Codeにコピー＆ペーストしてスキルをインストールします
ドキュメント
/harness:status
Show current evolution progress.
What To Do
Resolve Tool Path
TOOLS="${EVOLVER_TOOLS:-$([ -d ".evolver/tools" ] && echo ".evolver/tools" || echo "$HOME/.evolver/tools")}"
EVOLVER_PY="${EVOLVER_PY:-$([ -f "$HOME/.evolver/venv/bin/python" ] && echo "$HOME/.evolver/venv/bin/python" || echo "python3")}"
Display Chart
$EVOLVER_PY $TOOLS/evolution_chart.py --config .evolver.json
Additional Analysis
After displaying the chart:
- Detect stagnation: if last 3 scores within 1% of each other, warn and suggest
/harness:evolvewith architect trigger. - Detect regression: if current best is lower than a previous best, warn.
- Print LangSmith experiment URL for the best experiment if available.
GitHub リポジトリ
よくある質問
harness:status Skillとは何ですか？
harness:status はraphaelchristi が作成した Claude Skillです。Skillは、Claudeが必要に応じて読み込む指示とリソースをまとめ、追加の指示なしで harness:status に関連するタスクを実行できるようにします。
harness:status をインストールするには？
このページのインストールコマンドを使用してください。harness:status をプラグインとして Claude Code に追加するか、リポジトリを skills ディレクトリにクローンし、Claudeを再起動してSkillを読み込みます。
harness:status はどのカテゴリに属しますか？
harness:status は その他 カテゴリに属します。
harness:status は無料で利用できますか？
はい。harness:status は AIMCP に掲載されており、無料でインストールできます。
関連スキル
LlamaGuardは、暴力やヘイトスピーチなど6つの安全性カテゴリーにおいて、LLMの入力と出力をモデレートするMetaの70-80億パラメータモデルです。94〜95%の精度を提供し、vLLM、Hugging Face、Amazon SageMakerを使用してデプロイ可能です。このスキルを使用して、AIアプリケーションにコンテンツフィルタリングと安全策を簡単に統合できます。
このClaudeスキルは、リソースの適正サイジング、タグ付け戦略、支出分析を通じて、開発者がクラウドコストを最適化することを支援します。AWS、Azure、GCPにわたるクラウド支出の削減とコストガバナンスの実施のためのフレームワークを提供します。インフラコストの分析、リソースの適正サイジング、または予算制約への対応が必要な際にご利用ください。
このClaudeスキルは、スポーツベッティング市場（スプレッド、オーバー/アンダー、プロップベットなど）を分析し、過去の傾向や状況統計を検証することでバリューベットを特定します。教育目的のための実践的な提案を構造化されたマークダウン形式で出力します。開発者はスポーツベッティング分析ツールとして本機能を活用できますが、娯楽および教育目的に限定されている点に留意してください。
このスキルは、bitsandbytesを使用してLLMを8ビットまたは4ビット精度に量子化し、精度の低下を最小限に抑えつつ50〜75％のメモリ削減を実現します。限られたGPUメモリでより大規模なモデルを実行したり、推論を高速化するのに理想的で、INT8、NF4、FP4などのフォーマットをサポートしています。HuggingFace Transformersと統合され、QLoRAトレーニングや8ビットオプティマイザーを可能にします。