harness:health — скилл для Claude Code: проверка датасета и автоисправление
Проверяет качество eval-датасета: размер, распределение по сложности, мёртвые примеры, покрытие категорий и сплиты. Найденные проблемы исправляет сам.
npx skills add raphaelchristi/harness-evolver --skill health -a claude-codeЧто делает harness:health
Скилл запускает диагностику через dataset_health.py и складывает результат в health_report.json. В отчёте — оценка здоровья датасета по десятибалльной шкале, число примеров и список замечаний с уровнем важности. Дальше скрипт сам применяет правки, если они там перечислены.
Что именно он умеет поправлять: разбить примеры на train и held_out в пропорции 70/30, догенерировать сложные примеры через субагента harness-testgen, закрыть пробелы по категориям продакшена и увести мёртвые примеры в сплит retired. Работает с LangSmith, поэтому нужен установленный пакет langsmith и доступ к датасету.
Перед запуском в проекте должен лежать .evolver.json — без него скилл просто отправит вас выполнять /harness:setup. Путь к инструментам берётся из EVOLVER_TOOLS или .evolver/tools, интерпретатор Python — из EVOLVER_PY или $HOME/.evolver/venv/bin/python. Если виртуального окружения нет, используется python3 из системы.
Какие задачи решает
- проверить датасет перед запуском эволюции
- найти мёртвые примеры, на которых агент стабильно спотыкается
- увидеть перекос датасета в сторону лёгких задач
- разбить примеры на train и held_out
- закрыть категории продакшена, которых нет в датасете
Примеры запросов агенту
- Проверь качество датасета через
/harness:health - Прогони диагностику и покажи отчёт
health_report.json - Датасет перекошен в лёгкую сторону — исправь это
Как установить harness:health
1Через Skills CLI (Vercel)
npx skills add raphaelchristi/harness-evolver --skill health -a claude-code2Вручную: положить файлы
~/.claude/skills/health/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/health/
1Через Skills CLI (Vercel)
npx skills add raphaelchristi/harness-evolver --skill health -a codex2Вручную: положить файлы
.agents/skills/health/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add raphaelchristi/harness-evolver --skill health -a cursor2Вручную: положить файлы
.cursor/skills/health/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install raphaelchristi/harness-evolver health2Вручную: положить файлы
.github/skills/health/SKILL.md1Через Skills CLI (Vercel)
npx skills add raphaelchristi/harness-evolver --skill health -a gemini-cli2Командой платформы
gemini skills install https://github.com/raphaelchristi/harness-evolver --path skills/healthВручную: положить файлы
.devin/skills/health/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add raphaelchristi/harness-evolver --skill health -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о harness:health
Как установить harness:health в Claude Code?
Выполните npx skills add raphaelchristi/harness-evolver --skill health -a claude-code. Скилл встанет в ~/.claude/skills/health/SKILL.md.
Что делает harness:health?
Считает метрики датасета, ищет проблемы и применяет исправления: сплиты, генерацию сложных примеров, покрытие категорий, вывод мёртвых примеров из работы.
Что нужно, чтобы скилл заработал?
Файл .evolver.json в проекте. Если его нет, скилл попросит сначала выполнить /harness:setup. Для правок сплитов нужен доступ к датасету в LangSmith.
Исходный текст
SKILL.md · MIT
---
name: harness:health
description: "Use when the user wants to check dataset quality, diagnose eval issues, or before running evolve. Checks size, difficulty distribution, dead examples, coverage, and splits. Auto-corrects issues found."
allowed-tools: [Read, Write, Edit, Bash, Glob, Grep, Agent, AskUserQuestion]
---
# /harness:health
Check eval dataset quality and auto-correct issues. Can be run independently or is invoked by `/harness:evolve` before the iteration loop.
## Prerequisites
`.evolver.json` must exist. If not, tell user to run `/harness:setup`.
## Resolve Tool Path and Python
```bash
TOOLS="${EVOLVER_TOOLS:-$([ -d ".evolver/tools" ] && echo ".evolver/tools" || echo "$HOME/.evolver/tools")}"
EVOLVER_PY="${EVOLVER_PY:-$([ -f "$HOME/.evolver/venv/bin/python" ] && echo "$HOME/.evolver/venv/bin/python" || echo "python3")}"
```
## 1. Run Health Diagnostic
```bash
$EVOLVER_PY $TOOLS/dataset_health.py \
--config .evolver.json \
--production-seed production_seed.json \
--output health_report.json 2>/dev/null
```
Print summary:
```bash
python3 -c "
import json, os
if os.path.exists('health_report.json'):
r = json.load(open('health_report.json'))
print(f'Dataset Health: {r[\"health_score\"]}/10 ({r[\"example_count\"]} examples)')
for issue in r.get('issues', []):
print(f' [{issue[\"severity\"]}] {issue[\"message\"]}')
if not r.get('issues'):
print(' No issues found.')
"
```
## 2. Auto-Correct Issues
If `health_report.json` has corrections, apply them automatically:
```bash
CORRECTIONS=$(python3 -c "
import json, os
if os.path.exists('health_report.json'):
r = json.load(open('health_report.json'))
for c in r.get('corrections', []):
print(c['action'])
" 2>/dev/null)
```
For each correction:
**If `create_splits`**: Assign 70/30 train/held_out splits:
```bash
$EVOLVER_PY -c "
from langsmith import Client
import json, random
client = Client()
config = json.load(open('.evolver.json'))
examples = list(client.list_examples(dataset_name=config['dataset']))
random.shuffle(examples)
sp = int(len(examples) * 0.7)
for ex in examples[:sp]:
client.update_example(ex.id, split='train')
for ex in examples[sp:]:
client.update_example(ex.id, split='held_out')
print(f'Assigned splits: {sp} train, {len(examples)-sp} held_out')
"
```
**If `generate_hard`**: Spawn testgen agent to generate hard examples:
```
Agent(
subagent_type: "harness-testgen",
description: "Generate hard examples to rebalance dataset",
prompt: "The dataset is skewed toward easy examples. Generate {count} HARD examples that the current agent is likely to fail on. Focus on edge cases, adversarial inputs, and complex multi-step queries. Read .evolver.json and production_seed.json for context."
)
```
**If `fill_coverage`**: Spawn testgen agent for missing categories:
```
Agent(
subagent_type: "harness-testgen",
description: "Generate examples for missing categories",
prompt: "The dataset is missing these production categories: {categories}. Generate 5 examples per missing category. Read .evolver.json and production_seed.json for context."
)
```
**If `retire_dead`**: Move dead examples to retired split:
```bash
$EVOLVER_PY -c "
from langsmith import Client
import json
client = Client()
report = json.load(open('health_report.json'))
dead_ids = report.get('dead_examples', {}).get('ids', [])
config = json.load(open('.evolver.json'))
examples = {str(e.id): e for e in client.list_examples(dataset_name=config['dataset'])}
retired = 0
for eid in dead_ids:
if eid in examples:
client.update_example(examples[eid].id, split='retired')
retired += 1
print(f'Retired {retired} dead examples')
"
```
After corrections, log what was done.
## 3. Report
Print final health status. If critical issues remain that couldn't be auto-corrected, warn the user.
© raphaelchristi · MIT · raphaelchristi/harness-evolver