# benchmark

Скилл benchmark берёт одну сессию или несколько последних и сравнивает их с накопленным средним по данным Agent Monitor: стоимость, токены, число вызовов инструментов и оценка сложности.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · ★ 1121
- Автор: hoangsonww
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/hoangsonww/Claude-Code-Agent-Monitor/tree/HEAD/plugins/ccam-insights/skills/benchmark/SKILL.md
- Обновлён: 2026-10-23
- HTML: https://affpapa.org/nevibecode/skills/hoangsonww-benchmark

## Что делает

Скилл читает данные Agent Monitor через его API. Список сессий даёт базу для сравнения, эндпоинт стоимости отдаёт расход и разбивку по токенам, эндпоинт воркфлоу — число инструментов и оценку сложности, аналитика подтверждает средние по популяции.

На вход подаётся ID сессии, слово `latest` для последней, `latest N` для нескольких последних или ничего — тогда берётся самая свежая. Для каждой метрики скилл считает среднее, медиану и стандартное отклонение по популяции, затем процентиль целевой сессии и z-оценку. По модулю z больше 2 метка становится «выброс».

В отчёте — таблица Markdown: метрика, значение сессии, среднее по популяции, процентиль, z-оценка и метка. Валюта в долларах с четырьмя знаками после точки, токены и число инструментов целыми, сложность с двумя знаками. Рост отмечается значком ▲, падение — ▼. Внизу одна строка вывода: «Normal session» или «Outlier — driven by <metric> (pNN)». Если сессия выбилась, скилл называет метрику, которая её вытянула.

База только из полученной популяции. Ничего не досчитывается на глаз — это важно, если вы потом опираетесь на цифры в разборе.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add hoangsonww/Claude-Code-Agent-Monitor --skill benchmark -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add hoangsonww/Claude-Code-Agent-Monitor --skill benchmark -a codex
```

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

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add hoangsonww/Claude-Code-Agent-Monitor --skill benchmark -a cursor
```

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install hoangsonww/Claude-Code-Agent-Monitor benchmark
```

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

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add hoangsonww/Claude-Code-Agent-Monitor --skill benchmark -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/hoangsonww/Claude-Code-Agent-Monitor --path plugins/ccam-insights/skills/benchmark
```

### Windsurf (Devin Desktop)

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

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add hoangsonww/Claude-Code-Agent-Monitor --skill benchmark -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/hoangsonww/Claude-Code-Agent-Monitor/tree/HEAD/plugins/ccam-insights/skills/benchmark/SKILL.md

## Когда брать
- Понять, была ли сессия обычной по расходу и объёму
- Найти метрику, из-за которой сессия выбилась из нормы
- Сравнить несколько последних сессий с одной базой

## Примеры запросов агенту
- Сравни сессию `a1b2c3` со средней по последним 200 сессиям
- Прогони benchmark по `latest` и скажи, нормальная она или выброс
- Сравни `latest 5` с накопленным средним по каждой метрике

## Похожие
- [benchmark-checklist](https://affpapa.org/nevibecode/skills/benchmark-checklist.md) — скилл · 4100 установок
- [cost-benchmark](https://affpapa.org/nevibecode/skills/cost-benchmark.md) — скилл · 679 установок
- [best-ai-marketing-platform-benchmark](https://affpapa.org/nevibecode/skills/best-ai-marketing-platform-benchmark.md) — скилл · 903 установки
- [benchmark-model](https://affpapa.org/nevibecode/skills/benchmark-model.md) — скилл · 887 установок
- [benchmark-vllm-model](https://affpapa.org/nevibecode/skills/benchmark-vllm-model.md) — скилл · 837 установок
- [benchmark-paper-template](https://affpapa.org/nevibecode/skills/benchmark-paper-template.md) — скилл · 684 установки

## Другие версии с тем же именем
- [benchmark · affaan-m](https://affpapa.org/nevibecode/skills/benchmark.md) — 4500 установок
- [benchmark · takagoto](https://affpapa.org/nevibecode/skills/takagoto-benchmark.md) — ★ 24

Из того же набора: [hoangsonww/claude-code-agent-monitor](https://affpapa.org/nevibecode/by/hoangsonww/claude-code-agent-monitor.md) — 20 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