闲社服务运行正常AI智能体自动化平台
s

技能预检评估

技能标识:skill-eval-preflight

Validate OpenClaw skills during authoring. Use when creating, revising, or preparing a skill for release and you need to scaffold `evals/` files, check readiness for a first eval pass, review whether the frontmatter description has clear trigger coverage, or generate static comparison artifacts before deeper runtime evaluation.

作者:admin | 来源记录:ClawHub
登记来源
ClawHub
版本
V 1.0.0
检测标记
后台标记通过
免费
免费获取
1
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

技能预检评估

技能评估

将此技能用作 OpenClaw 技能的创作端预检。

它并非完整的运行时评估器。它帮助技能作者从这个技能存在过渡到这个技能结构良好,足以进行首次评估和后续回归工作。

适用请求

此技能适用于以下类型的请求:

  • - 在我发布这个技能之前,为其设置评估文件。
  • 检查这个技能是否准备好进行首次评估。
  • 审查描述并告诉我触发覆盖是否足够清晰。
  • 为此技能生成带技能和不带技能的静态对比产物。

不适用场景

请勿仅依赖此技能处理以下请求:

  • - 大规模实时运行时基准测试
  • 跨多个真实对话的响应质量评分
  • 工具调用正确性或事实性审核
  • 端到端生产回归测试

当您需要这些能力时,请在此步骤之后使用更深入的评估器。

最佳适用场景

在以下情况下使用此技能:

  • - 为新技能或现有技能初始化 evals/ 文件
  • 确认技能已准备好进行首次评估
  • 明确正面和负面触发覆盖
  • 在分享技能前捕获占位符内容
  • 编写静态运行摘要以及带技能/不带技能的对比产物

当您需要实时运行时实验、工具调用质量检查或更丰富的输出评分时,请在此步骤之后使用更深入的评估器。

流程定位

推荐顺序:

技能审查器 -> 安装/审查 -> 技能评估 -> 更深入的运行时评估

  • - 技能审查器 回答:这个技能是否足够安全以供检查或安装?
  • 技能评估 回答:这个技能的结构是否足够好以进行认真评估?
  • 更深入的评估器回答:该技能在实际中的表现如何?

工作流程

  1. 1. 确认目标文件夹是包含 SKILL.md 的技能目录。
  2. 如果技能来自其他仓库或其他人员,请先进行安全审查。
  3. 如果 evals/ 不存在,则使用以下文件初始化:
- evals/evals.json - evals/triggers.json - evals/README.md
  1. 4. 将占位符提示替换为真实的创作示例。
  2. 在任何更深入的基准测试之前运行就绪检查。
  3. 如果就绪检查失败,请先修复缺失的部分,而不是强制运行。
  4. 仅在输入可用后生成静态运行产物。

脚本

初始化评估文件:

bash
python3 scripts/init_eval.py /path/to/skill

检查就绪状态:

bash
python3 scripts/checkevalreadiness.py /path/to/skill

运行静态评估检查:

bash
python3 scripts/run_eval.py /path/to/skill
python3 scripts/run_eval.py /path/to/skill --check readiness
python3 scripts/run_eval.py /path/to/skill --check triggers
python3 scripts/run_eval.py /path/to/skill --check artifacts
python3 scripts/run_eval.py /path/to/skill --check files
python3 scripts/run_eval.py /path/to/skill --mode with-skill
python3 scripts/run_eval.py /path/to/skill --mode without-skill --run-group demo-baseline
python3 scripts/compare_runs.py /path/to/skill --run-group demo-baseline

就绪规则

只有当满足以下条件时,技能才准备好进行首次评估:

  • - SKILL.md 存在
  • 前置元数据中的 description 是真实的,而非占位符
  • evals/evals.json 至少有一个非占位符的评估用例
  • evals/triggers.json 至少有一个正面和一个负面非占位符触发用例

此技能擅长检查的内容

  • - 缺失或空的评估脚手架
  • 会使评估失去意义的占位符提示
  • 缺失正面/负面触发覆盖
  • 空或格式错误的 expected_artifacts
  • 格式错误的可选 files 声明
  • 静态的带技能/不带技能运行产物组织

当前限制

run_eval.py 不对 OpenClaw 运行时执行实时触发实验。
它不对真实输出的质量、事实性或工具正确性进行评分。

目前它执行静态验证,包括:

  • - 验证触发文件存在
  • 验证用例非占位符
  • 验证正面和负面集合均已填充
  • 验证评估用例具有可用的 expected_artifacts
  • 验证声明的 files 条目格式正确
  • 写入特定模式的运行摘要以供后续比较

为何发布此技能

此技能适用于尚不需要完整评估实验室,但需要清晰起点的作者。
它作为更深入评估之前的轻量级预检和脚手架步骤最为有用。

发布就绪检查清单

在将技能称为准备发布之前,请确保满足以下所有条件:

  • - 描述中命名了具体的触发场景
  • 正面和负面触发用例均存在
  • 占位符内容已移除
  • 每个评估用例描述了可观察的预期产物
  • 静态运行摘要可以无错误生成

比较运行

在两个模式存在于同一 run-group 后,使用 compare_runs.py。

它比较:

  • - 总体通过/失败
  • 每项检查的通过/失败
  • 特定模式的错误
  • 特定模式的备注

它在运行组根目录下写入比较产物。

参考

当您需要了解预期的文件格式和字段含义时,请阅读 references/eval_format.md。

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 skill-eval-preflight-1776112024 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 skill-eval-preflight-1776112024 技能

通过命令行安装

skillhub install skill-eval-preflight-1776112024

下载

⬇ 下载 skill-eval-preflight v1.0.0(免费)

文件大小: 14.56 KB | 发布时间: 2026-4-15 14:22

v1.0.0 最新 2026-4-15 14:22
Version 1.0.0
Initial release of skill-eval-preflight.

A lightweight authoring-side preflight for OpenClaw skills before deeper evaluation.

This release includes:

scaffolding for evals/ files
readiness checks for a first evaluation pass
review of positive and negative trigger coverage
validation of eval prompts and expected artifacts
static with-skill / without-skill comparison outputs
detection of missing, empty, or unfinished eval scaffolding
Current scope:

focuses on authoring-side validation and release readiness
does not perform live runtime evaluation or output quality scoring
返回顶部