# cli-eval

Запускает бенчмарки LLM из консоли и собирает скоркарды моделей. Помогает находить регрессии до деплоя в CI.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 952 установки · ★ 81243
- Автор: cheaper-inference
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/cheaper-inference/OmniRoute/tree/HEAD/skills/cli-eval/SKILL.md
- Обновлён: 2026-10-25
- HTML: https://affpapa.org/nevibecode/skills/cli-eval

## Что делает

Скилл учит агента работать с подкомандами `omniroute eval`. Он собирает тестовые сьюты из JSONL-файлов, где для каждого примера заданы поля `input` и `expected_output`. Доступны четыре типа критериев оценки: `exact-match`, `contains`, `llm-judge` и `regex`. База данных OmniRoute сохраняет сьюты и результаты запусков локально.

Тесты запускаются асинхронно. Флаг `--watch` включает живой TUI-дашборд с прогрессом. Вывод в формате JSON позволяет передавать итоговый балл в `jq` и останавливать пайплайн в CI при низких результатах. Также поддерживается прямая симуляция промптов через `omniroute simulate` с настройкой бюджета рассуждений.

Для работы требуется установленный в системе CLI-инструмент `omniroute`. Без него команды завершатся ошибкой.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add cheaper-inference/OmniRoute --skill cli-eval -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add cheaper-inference/OmniRoute --skill cli-eval -a codex
```

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

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add cheaper-inference/OmniRoute --skill cli-eval -a cursor
```

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install cheaper-inference/OmniRoute cli-eval
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/cli-eval/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add cheaper-inference/OmniRoute --skill cli-eval -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/cheaper-inference/OmniRoute --path skills/cli-eval
```

### Windsurf (Devin Desktop)

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

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add cheaper-inference/OmniRoute --skill cli-eval -a opencode
```

### 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/cheaper-inference/OmniRoute/tree/HEAD/skills/cli-eval/SKILL.md

## Когда брать
- запустить оценку качества модели по набору примеров из JSONL
- сравнить баллы нескольких моделей на одном бенчмарке
- настроить проверку порога качества в CI-пайплайне
- отслеживать ход тестирования в реальном времени через терминал

## Примеры запросов агенту
- Создай тестовый сьют из файла `samples.jsonl` с проверкой по `exact-match`
- Запусти бенчмарк `suite-123` на модели `claude-sonnet-4-6` с выводом прогресса в консоль
- Покажи скоркарт и упавшие примеры для запуска `run-456`

## Похожие
- [skill-creator](https://affpapa.org/nevibecode/skills/skill-creator.md) — скилл · 414180 установок
- [writing-for-agents](https://affpapa.org/nevibecode/skills/writing-for-agents.md) — скилл · 466719 установок
- [media-use](https://affpapa.org/nevibecode/skills/media-use.md) — скилл · 1100000 установок
- [mcp-builder](https://affpapa.org/nevibecode/skills/mcp-builder.md) — скилл · 130949 установок
- [subagent-driven-development](https://affpapa.org/nevibecode/skills/subagent-driven-development.md) — скилл · 237746 установок
- [orchestration](https://affpapa.org/nevibecode/skills/orchestration.md) — скилл · 349800 установок

Из того же набора: [cheaper-inference/omniroute](https://affpapa.org/nevibecode/by/cheaper-inference/omniroute.md) — 45 карточек

_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