闲社服务运行正常AI智能体自动化平台
e

评估技能

技能标识:eval-skills

>-

作者:admin | 来源记录:ClawHub
登记来源
ClawHub
版本
V 0.1.1
检测标记
后台标记通过
免费
免费获取
0
收藏
来源与检测标记为平台登记信息,并不代表已展示可复核的检测报告。使用前请核对版本、依赖和所需权限,建议先在隔离环境中运行。
概述
安装方式
版本历史

评估技能

eval-skills

AI Agent 技能单元测试框架——一个与框架无关的工具包,用于发现、搭建、选择、评估和报告AI技能。

该技能填补了LangSmith/DeepEval留下的L1(技能单元测试)空白:这些平台专注于智能体级别和轨迹级别评估(L2-L3),而eval-skills则针对单个技能级别,确保每个构建模块在进入智能体管道之前都符合质量标准。

何时使用此技能

  • - 在将新技能部署到生产环境之前——运行eval验证其是否满足质量门禁。
  • 在多个候选技能之间进行选择时——运行select在同一基准上对它们进行排名。
  • 当技能升级时——运行report diff检测回归问题。
  • 在CI/CD中——使用--exit-on-fail阻止降低技能质量的合并。
  • 当引导一个新技能时——运行create生成一个可直接填充的骨架。

功能

1. 查找技能

通过关键词、标签或适配器类型搜索现有技能。

bash
eval-skills find \
--query web search \
--tag retrieval api \
--adapter http \
--min-completion 0.8 \
--skills-dir ./skills \
--limit 10

选项描述默认值
-q, --query <string>关键词搜索(匹配名称、描述、标签)—
-t, --tag <tags...>
按标签筛选(交集:技能必须包含所有指定标签) | — | | -a, --adapter | 按适配器类型筛选(http、subprocess、mcp) | — | | --min-completion | 最低历史完成率(0.0 ~ 1.0) | — | | --skills-dir | 扫描skill.json文件的目录 | ./skills | | --limit | 最大结果数量 | 20 |

结果按搜索相关性(当提供--query时)或历史完成率(降序)排序。

2. 创建技能

从模板生成技能骨架以引导开发。

bash
eval-skills create \
--name myapiskill \
--from-template http_request \
--output-dir ./skills \
--description 从OpenWeather API获取天气数据

选项描述默认值
--name <name>必填。 技能名称—
--from-template <tpl>
模板类型:httprequest、pythonscript、mcptool | httprequest | | --output-dir | 输出目录 | ./skills | | --description | 嵌入在skill.json中的人类可读描述 | — |

生成的文件结构:

skills/myapiskill/
skill.json # 技能元数据(ID、模式、适配器配置)
adapter.config.json # 适配器特定配置
tests/
basic.eval.json # 包含一个示例任务的入门基准
skill.py # (仅python_script模板)JSON-RPC入口点

3. 评估技能

对一个或多个技能运行基准评估。这是核心命令。

bash
eval-skills eval \
--skills ./skills/calculator/skill.json ./skills/search/ \
--benchmark coding-easy \
--concurrency 4 \
--timeout 30000 \
--retries 2 \
--runs 3 \
--evaluator exact \
--format json markdown html \
--output-dir ./reports \
--exit-on-fail --min-completion 0.8 \
--store ./eval-skills.db

选项描述默认值
--skills <paths...>必填。 技能文件或目录—
--benchmark <id\
path> | 内置基准ID或benchmark.json路径 | coding-easy | | --tasks | 自定义任务JSON文件(替换基准) | — | | --concurrency | 并行任务执行数量 | 4 | | --timeout | 每个任务的超时时间(毫秒) | 30000 | | --retries | 任务失败时的重试次数(带递增退避) | 0 | | --runs | 重复评估N次以获得一致性评分 | 1 | | --evaluator | 默认评分器类型(见下方评分器类型) | exact | | --format | 输出格式:json、markdown、html | json markdown | | --output-dir | 报告输出目录 | ./reports | | --exit-on-fail | 如果任何技能低于阈值则退出代码1 | 禁用 | | --min-completion | --exit-on-fail的阈值 | 0.7 | | --dry-run | 仅验证配置;不执行任务 | 禁用 | | --benchmarks-dir | 包含内置基准的目录 | ./benchmarks | | --store | 用于持久化结果存储的SQLite数据库路径 | ./eval-skills.db | | -c, --config | eval-skills.config.yaml的路径 | 自动检测 |

评估流程:

  1. 1. 从--skills路径加载技能(支持单个skill.json和目录)
  2. 从--benchmark或--tasks加载基准任务
  3. 构建笛卡尔积:技能 x 任务 x 运行次数
  4. 并发执行所有任务项(由--concurrency控制,带超时和重试)
  5. 使用适当的评分器对每个结果进行评分
  6. 汇总为每个技能的SkillCompletionReport
  7. 将报告写入--output-dir

4. 选择技能

基于评估报告使用多维策略筛选和排名技能。

bash
eval-skills select \
--from ./skills \
--reports ./reports/eval-result.json \
--strategy ./strategy.yaml \
--min-completion 0.8 \
--top-k 5 \
--output ./selected.json

选项描述默认值
--from <path>必填。 候选技能目录或JSON文件—
--reports <file>
评估报告JSON文件 | — | | --strategy | SelectStrategy YAML/JSON文件 | 内置默认值 | | --min-completion | 覆盖最低完成率筛选 | — | | --top-k | 仅返回前K个结果 | 全部 | | --output | 将选中的技能写入文件 | stdout |

选择管道: 筛选(按完成率、错误率、延迟、适配器类型、所需标签)-> 评分 -> 排名(按compositeScore、completionRate、latency或tokenCost)-> TopK

示例strategy.yaml:

yaml
filters:
minCompletionRate: 0.8
maxErrorRate: 0.1
maxLatencyP95Ms: 5000
adapterTypes: [http, subprocess]
requiredTags: [production-ready]
sortBy: compositeScore
order: desc
topK: 5

5. 运行管道

在单个命令中执行完整的端到端管道:查找 -> 评估 -> 选择 -> 报告

bash
eval-skills run \
--query math \
--benchmark coding-easy \
--skills-dir ./skills \
--top-k 3 \
--min-completion 0.7 \
--format json markdown \
--output-dir ./reports

此命令自动化整个流程:

  1. 1. 查找 — 扫描--skills-dir并可选择按--query筛选
  2. 评估 — 对--benchmark评估所有候选技能
  3. 选择 — 使用--min-completion、--top-k和可选的--strategy筛选和排名结果
  4. 报告 — 以所有请求的--format格式生成输出文件

6. 生成和比较报告

转换报告格式

bash
eval-skills report convert \
--input ./reports/eval-result.json \
--format html \
--output ./reports/eval-result.html

支持的输出

标签

skill ai

通过对话安装

以下为平台配置的接入选项,并非逐项实测通过。能否安装取决于客户端支持、技能来源和运行环境:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 eval-skills-1776287425 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 eval-skills-1776287425 技能

通过命令行安装

skillhub install eval-skills-1776287425

下载

⬇ 下载 eval-skills v0.1.1(免费)

文件大小: 279.7 KB | 发布时间: 2026-4-16 16:20

v0.1.1 最新 2026-4-16 16:20
Initial public release with core evaluation framework and CLI.

- Released framework-agnostic toolkit for discovering, scaffolding, selecting, evaluating, and reporting on AI skills.
- CLI commands: find, create, eval, select, run, report, and init for full project workflow.
- Included built-in and custom benchmark support with sample benchmarks and skill examples.
- Multi-format report generation: JSON, markdown, HTML, and diff for regression detection.
- CI/CD integration guide and comprehensive documentation provided.
返回顶部