# skill-evaluator

Тестирует и бенчмаркает скиллы для ИИ-агентов через детерминированные проверки скриптов, точность триггеров и сравнение с базовым прогоном без скилла.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · ★ 83
- Автор: HeshamFS
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/HeshamFS/materials-simulation-skills/tree/HEAD/skills/meta/skill-evaluator/SKILL.md
- Обновлён: 2026-10-21
- HTML: https://affpapa.org/nevibecode/skills/heshamfs-skill-evaluator

## Что делает

Скилл тестирует расширения для ИИ-агентов на трёх уровнях. Первый слой запускает `run_script_checks.py`, сверяя вывод скриптов из `evals/evals.json` с эталонными значениями. Сеть и ключи API здесь не нужны.

Следующие уровни подключают headless-режим агентских CLI. Скрипт `run_trigger_eval.py` проверяет, запускается ли скилл на целевых промптах и игнорирует ли похожие запросы. Далее `run_quality_eval.py` сопоставляет работу агента со скиллом и чистый базовый прогон без него, вычисляя разницу в процентах успешных тестов через `aggregate_benchmark.py`.

Для запуска нужен Python 3.10+. Проверки триггеров и качества требуют установленный и авторизованный CLI агента в системе. Итоговые результаты экспортируются в автономный файл `review.html` скриптом `generate_review.py`.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add HeshamFS/materials-simulation-skills --skill skill-evaluator -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add HeshamFS/materials-simulation-skills --skill skill-evaluator -a codex
```

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

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add HeshamFS/materials-simulation-skills --skill skill-evaluator -a cursor
```

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install HeshamFS/materials-simulation-skills skill-evaluator
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/skill-evaluator/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add HeshamFS/materials-simulation-skills --skill skill-evaluator -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/HeshamFS/materials-simulation-skills --path skills/meta/skill-evaluator
```

### Windsurf (Devin Desktop)

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

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add HeshamFS/materials-simulation-skills --skill skill-evaluator -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/HeshamFS/materials-simulation-skills/tree/HEAD/skills/meta/skill-evaluator/SKILL.md

## Когда брать
- сверить вывод скриптов скилла с эталонными значениями
- измерить точность срабатывания триггеров описания на промптах
- сравнить процент успешных тестов агента со скиллом и без него
- сгенерировать автономный HTML-отчёт с результатами оценки

## Примеры запросов агенту
- Проверь детерминированные тесты для скилла в папке ./my-skill
- Протестируй триггеры описания для ./my-skill через claude-code
- Запусти сравнительный бенчмарк качества для ./my-skill с базовой линией

## Похожие
- [setup-matt-pocock-skills](https://affpapa.org/nevibecode/skills/setup-matt-pocock-skills.md) — скилл · 1052851 установка
- [ask-matt](https://affpapa.org/nevibecode/skills/ask-matt.md) — скилл · 766587 установок
- [to-tickets](https://affpapa.org/nevibecode/skills/to-tickets.md) — скилл · 711230 установок
- [writing-plans](https://affpapa.org/nevibecode/skills/writing-plans.md) — скилл · 282859 установок
- [caveman-review](https://affpapa.org/nevibecode/skills/caveman-review.md) — скилл · 411800 установок
- [caveman-compress](https://affpapa.org/nevibecode/skills/caveman-compress.md) — скилл · 411500 установок

## Другие версии с тем же именем
- [skill-evaluator · gotalab](https://affpapa.org/nevibecode/skills/skill-evaluator.md) — ★ 418

Из того же набора: [heshamfs/materials-simulation-skills](https://affpapa.org/nevibecode/by/heshamfs/materials-simulation-skills.md) — 24 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