# suede-ai-eval

Скилл пишет план эвалов и аудит покрытия для LLM, RAG, агентов и классификаторов. Пригодится перед выкаткой ИИ-поведения, когда непонятно, что вообще тестировать.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · ★ 126
- Автор: JasonColapietro
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/JasonColapietro/suede-creator-skills/tree/HEAD/skills/suede-ai-eval/SKILL.md
- Обновлён: 2026-10-24
- HTML: https://affpapa.org/nevibecode/skills/suede-ai-eval

## Что делает

Скилл собирает план эвалов для ИИ-поверхности: сначала AI-SPEC — один абзац про пользователя, триггер, вход, выход, разрешённые источники и запрещённое поведение. Без этого абзаца кейсы писать не на что, и скилл прямо говорит: нет AI-SPEC — нет плана эвалов.

Дальше идёт карта отказов: для каждого режима отказа — серьёзность, вероятность, обнаружимость, владелец, гейт и нужные доказательства. Под них пишутся конкретные pass/fail кейсы с входными данными, ожидаемыми и запрещёнными свойствами выхода. Набор канонических измерений зависит от типа системы: для RAG это верность контексту и цитирование источников, для агентов — корректность вызовов инструментов и завершение задачи, для генерации контента — фактическая точность и голос бренда. Способ замера выбирается заранее: проверки кодом или LLM-судья.

Все вердикты скилла — рекомендация, а не блокировка: проваленный гейт меняет отчёт, но не действие, которое просил пользователь. Исключение одно — риск потери данных, утечки ключей или необратимого публичного ущерба, тогда скилл останавливается и отдаёт выбор вам. Оценка модели собственного выхода доказательством не считается, пока не сверена с выборкой, размеченной человеком. Скилл не разбирает код реализации ИИ-поверхности и не подключает пройденный набор в CI как обязательную проверку — для этого в том же репозитории есть отдельные скиллы.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add JasonColapietro/suede-creator-skills --skill suede-ai-eval -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add JasonColapietro/suede-creator-skills --skill suede-ai-eval -a codex
```

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

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add JasonColapietro/suede-creator-skills --skill suede-ai-eval -a cursor
```

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install JasonColapietro/suede-creator-skills suede-ai-eval
```

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

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add JasonColapietro/suede-creator-skills --skill suede-ai-eval -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/JasonColapietro/suede-creator-skills --path skills/suede-ai-eval
```

### Windsurf (Devin Desktop)

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

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add JasonColapietro/suede-creator-skills --skill suede-ai-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/JasonColapietro/suede-creator-skills/tree/HEAD/skills/suede-ai-eval/SKILL.md

## Когда брать
- описать ИИ-фичу одним абзацем до того, как писать тесты
- составить карту режимов отказа с оценкой серьёзности
- написать pass/fail кейсы для промпта или RAG-цепочки
- оценить, какие риски остались без покрытия тестами
- решить, можно ли рекомендовать выкатку ИИ-поведения

## Примеры запросов агенту
- Напиши план эвалов для нашего RAG-поиска по документации
- Проверь покрытие эвалов у агента с вызовом инструментов
- Составь AI-SPEC и карту отказов для классификатора обращений

## Похожие
- [ai-system-testing](https://affpapa.org/nevibecode/skills/ai-system-testing.md) — скилл · 1100 установок
- [agent-observability-eval-pipeline](https://affpapa.org/nevibecode/skills/agent-observability-eval-pipeline.md) — скилл · 540 установок
- [cli-eval](https://affpapa.org/nevibecode/skills/cli-eval.md) — скилл · 952 установки
- [deepeval](https://affpapa.org/nevibecode/skills/deepeval.md) — скилл · 2800 установок
- [eval-harness](https://affpapa.org/nevibecode/skills/eval-harness.md) — скилл · 4700 установок
- [write-code-eval](https://affpapa.org/nevibecode/skills/write-code-eval.md) — скилл · 347 установок

Из того же набора: [jasoncolapietro/suede-creator-skills](https://affpapa.org/nevibecode/by/jasoncolapietro/suede-creator-skills.md) — 21 карточка

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md