# mlflow-evaluation

Скилл mlflow-evaluation для Claude Code настраивает оценщиков MLflow и запускает оценку GenAI на агенте, наборе данных, готовых результатах или трассировках. Проверяет качество ответов и разбирает результаты запусков.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 184 установки · ★ 91 у репозитория
- Автор: mlflow
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/mlflow/skills/tree/HEAD/mlflow-evaluation/SKILL.md
- Обновлён: 2026-10-23
- Проверка безопасности: автоматическая, 2026-11-17 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/mlflow-evaluation

## Что делает

Скилл настраивает оценщиков MLflow и проводит оценку GenAI для агента, набора данных, готовых результатов или трассировок. Он использует API наборов данных MLflow и `mlflow.genai.evaluate()`, а перед полным запуском проверяет оценку на трёх примерах или на меньшем лимите, заданном пользователем.

Для повторного запуска скилл изучает точку входа агента, запускает пробный вызов и получает сохранённую трассировку. Готовые результаты оцениваются без повторного вызова агента. Нужны MLflow версии 3.8 или выше и настроенные учётные данные провайдера; если заданы `MLFLOW_TRACKING_URI` и `MLFLOW_EXPERIMENT_ID`, скилл сохраняет эти настройки.

Перед полной оценкой он проверяет результаты пробного запуска, затем сохраняет идентификатор запуска и построчные результаты. При ошибках авторизации, инструментов или предсказаний полный запуск останавливается до устранения проблемы.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mlflow/skills --skill mlflow-evaluation -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mlflow/skills --skill mlflow-evaluation -a codex
```

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

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mlflow/skills --skill mlflow-evaluation -a cursor
```

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install mlflow/skills mlflow-evaluation
```

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

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mlflow/skills --skill mlflow-evaluation -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/mlflow/skills --path mlflow-evaluation
```

### Windsurf (Devin Desktop)

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

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add mlflow/skills --skill mlflow-evaluation -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/mlflow/skills/tree/HEAD/mlflow-evaluation/SKILL.md

## Когда брать
- оценить ответы агента по согласованным критериям
- проверить готовые результаты или трассировки без повторного вызова агента
- найти ошибки в оценщиках и данных на пробном запуске
- сопоставить оценки с конкретными результатами и ошибками

## Примеры запросов агенту
- Оцени ответы агента по критериям качества в эксперименте MLflow.
- Проведи оценку этих готовых результатов без повторного запуска агента.
- Проверь трассировки и оценки, а затем покажи ошибки по каждой записи.

## Похожие
- [databricks-mlflow-evaluation](https://affpapa.org/nevibecode/skills/databricks-mlflow-evaluation.md) — скилл · 355 установок
- [agent-platform-eval-flywheel](https://affpapa.org/nevibecode/skills/agent-platform-eval-flywheel.md) — скилл · 8334 установки
- [llm-evaluation](https://affpapa.org/nevibecode/skills/llm-evaluation.md) — скилл · 12755 установок
- [agent-evaluation](https://affpapa.org/nevibecode/skills/neolabhq-agent-evaluation.md) — скилл · 1400 установок
- [advanced-evaluation](https://affpapa.org/nevibecode/skills/advanced-evaluation.md) — скилл · 303 установки
- [evaluation](https://affpapa.org/nevibecode/skills/evaluation.md) — скилл · 293 установки

Из того же набора: [mlflow/skills](https://affpapa.org/nevibecode/by/mlflow/skills.md) — 17 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
