について
このスキルは、LLMエージェントに対する包括的なテストとベンチマークを提供し、行動テスト、能力評価、信頼性指標を含みます。従来のベンチマークでは捉えにくい現実的なシナリオでエージェントを評価し、本番環境へのデプロイ前に問題を発見するのに役立ちます。単純な精度指標を超えたエージェントのパフォーマンス評価、特に実世界での信頼性と回帰テストに焦点を当てる必要がある場合にご利用ください。
クイックインストール
Claude Code
推奨npx skills add sickn33/antigravity-awesome-skills -a claude-code/plugin add https://github.com/sickn33/antigravity-awesome-skillsgit clone https://github.com/sickn33/antigravity-awesome-skills.git ~/.claude/skills/agent-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
agent-evaluation Skillとは何ですか？
agent-evaluation はsickn33 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 agent-evaluation に関連するタスクを実行できるようにします。
agent-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。agent-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。
agent-evaluation はどのカテゴリに属しますか？
agent-evaluation は テスト カテゴリに属します。
agent-evaluation は無料で利用できますか？
はい。agent-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。