# build-agent-evals

Скилл build-agent-evals для Claude Code собирает eval-наборы для проверки поведения ИИ-агента. Он превращает сбойные сессии и заданные кейсы в тесты, а также сравнивает два запуска.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, Windsurf (Devin Desktop), Claude.ai · ★ 149 у репозитория
- Автор: jackulau
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/jackulau/coding.sh/tree/HEAD/packages/coding.sh/skills/build-agent-evals/SKILL.md
- Обновлён: 2026-11-16
- Проверка безопасности: автоматическая, 2026-11-17 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/build-agent-evals

## Что делает

Скилл использует инструменты eval сервера coding.sh. Он находит подходящие для тестирования неудачные сессии, создаёт наборы проверок для скилла по промптам «должен сработать» и «не должен сработать» или собирает тесты из кейсов. Для одной сессии можно создать отдельную задачу. Нужен MCP-сервер coding.sh.

Перед записью набора скилл запрашивает согласие: файлы появятся в `evals/` репозитория или в локальном хранилище coding.sh. Для тестов по сессиям можно задать команду-верификатор, например `npm test`. Скилл также сравнивает эксперименты, показывает разницу в доле пройденных тестов и отмечает улучшенные и регрессировавшие случаи. Команду запуска тестов он сообщает, но сам её не запускает.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add jackulau/coding.sh --skill build-agent-evals -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/build-agent-evals/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/build-agent-evals/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add jackulau/coding.sh --skill build-agent-evals -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/build-agent-evals/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add jackulau/coding.sh --skill build-agent-evals -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/build-agent-evals/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install jackulau/coding.sh packages/coding.sh/skills/build-agent-evals
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/build-agent-evals/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add jackulau/coding.sh --skill build-agent-evals -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/jackulau/coding.sh --path packages/coding.sh/skills/build-agent-evals
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/build-agent-evals/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/jackulau/coding.sh/tree/HEAD/packages/coding.sh/skills/build-agent-evals/SKILL.md

## Когда брать
- превратить неудачную сессию агента в тест
- проверить, срабатывает ли скилл на нужные промпты
- создать eval-набор из вручную заданных кейсов
- сравнить результаты двух запусков агента

## Примеры запросов агенту
- Собери eval-тесты из неудачных сессий в этом репозитории.
- Проверь, на каких запросах должен срабатывать скилл `my-skill`.
- Сравни два эксперимента и покажи улучшенные и регрессировавшие случаи.

## Похожие
- [agent-regression-evals](https://affpapa.org/nevibecode/plugins/agent-regression-evals.md) — плагин · ★ 30251 у репозитория
- [adk-evals](https://affpapa.org/nevibecode/skills/adk-evals.md) — скилл · 1700 установок
- [inngest-agent-evals](https://affpapa.org/nevibecode/skills/inngest-agent-evals.md) — скилл · 635 установок
- [promptfoo-evals](https://affpapa.org/nevibecode/plugins/promptfoo-evals.md) — плагин · ★ 27524 у репозитория
- [build](https://affpapa.org/nevibecode/skills/build.md) — скилл · 2700 установок
- [build-loop-claude-code](https://affpapa.org/nevibecode/skills/build-loop-claude-code.md) — скилл · 1700 установок

Из того же набора: [jackulau/coding.sh](https://affpapa.org/nevibecode/by/jackulau/coding.sh.md) — 4 карточки

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
