について
llm-evaluationスキルは、開発者が自動メトリクス、人間のフィードバック、ベンチマークを活用してLLMアプリケーションの包括的なテストを実装することを可能にします。このスキルは、パフォーマンスを体系的に測定し、モデルやプロンプトを比較し、デプロイ前にリグレッションを検出するために使用されます。これにより、ベースラインの確立、改善内容の検証、本番AIシステムへの信頼構築に貢献します。
クイックインストール
Claude Code
推奨npx skills add camoneart/claude-code -a claude-code/plugin add https://github.com/camoneart/claude-codegit clone https://github.com/camoneart/claude-code.git ~/.claude/skills/llm-evaluation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
GitHub リポジトリ
よくある質問
llm-evaluation Skillとは何ですか？
llm-evaluation はcamoneart 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 llm-evaluation に関連するタスクを実行できるようにします。
llm-evaluation 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。llm-evaluation 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。
llm-evaluation はどのカテゴリに属しますか？
llm-evaluation は テスト カテゴリに属します。
llm-evaluation は無料で利用できますか？
はい。llm-evaluation 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
このClaudeスキルは、lm-evaluation-harnessを実行し、MMLUやGSM8Kなど60以上の標準化学術タスクでLLMをベンチマークします。開発者がモデルの品質を比較し、トレーニングの進捗を追跡し、学術的な結果を報告するために設計されています。このツールはHuggingFaceやvLLMモデルを含む様々なバックエンドをサポートしています。
このスキルは、cron式を使用してWorkersをスケジュールするためのCloudflare Cron Triggersの実装に関する包括的な知識を提供します。定期的なタスクの設定、メンテナンスジョブ、自動化されたワークフローの構築を網羅し、無効なcron式やタイムゾーン問題といった一般的な課題への対処法も含みます。開発者はこれを使用して、スケジュールされたハンドラーの設定、cronトリガーのテスト、WorkflowsやGreen Computeとの連携を構成できます。
このClaude Skillは、Playwrightベースのツールキットを提供し、Pythonスクリプトを通じてローカルWebアプリケーションのテストを可能にします。フロントエンドの検証、UIデバッグ、スクリーンショット撮影、ログ表示を実現し、サーバーライフサイクルを管理します。ブラウザ自動化タスクにご利用いただけますが、コンテキストの汚染を避けるため、スクリプトのソースコードを読むのではなく直接実行してください。
このスキルは、開発者がテストの合格を確認し、構造化された統合オプションを提示することで、完成した作業を仕上げることを支援します。実装が完了した後のマージ、PR作成、ブランチの整理といったワークフローを案内します。コードが準備できてテスト済みの際に使用し、開発プロセスを体系的に完了させましょう。