write-code-eval — скилл для Claude Code: код-проверки для eval
Скилл помогает написать код-эвалуатор для известного режима отказа: одна проверка на правило, как юнит-тест для трейса.
npx skills add ai-evals-course/evals-skills --skill write-code-eval -a claude-codeЧто делает write-code-eval
Скилл ведёт от режима отказа, найденного при анализе ошибок, к одной проверке этого режима. Сначала вы формулируете правило и находите поля трейса или эталонные данные, которые проверке нужны. Если правило требует интерпретации, скилл отправляет к write-judge-prompt.
Дальше проверка пишется на языке проекта и в его eval-фреймворке: результат и причина возвращаются в том формате, который фреймворк ожидает. Внутри есть таблица типовых случаев — невалидная структура вывода, запрещённый или пропавший текст, ссылка на документ вне выдачи, плохой вызов инструмента, неверное значение. Проверку выбирают по правилу отказа, а не по удобству.
Отдельный шаг — тесты на известных проходах и провалах, включая пограничные. Если правило подменяет человеческое суждение прокси-метрикой, результаты стоит сверить с человеческими метками. Это и есть место, где чаще всего ломается: проверка проходит на тестовых трейсах, а на живых расходится с разметкой.
Какие задачи решает
- написать проверку для режима отказа, найденного при анализе ошибок
- сверить ID цитат с ID документов из выдачи
- проверить аргументы вызова инструмента по схеме
- отловить невалидную структуру вывода и пропавшие поля
- сравнить вывод с эталонным значением
Примеры запросов агенту
- Напиши код-эвалуатор для режима отказа: в выводе пропадает обязательное поле
- Сделай проверку, что все цитаты есть в retrieved-документах
- Проверь аргументы вызова инструмента по схеме в безопасном тестовом окружении
Как установить write-code-eval
1Через Skills CLI (Vercel)
npx skills add ai-evals-course/evals-skills --skill write-code-eval -a claude-code2Вручную: положить файлы
~/.claude/skills/write-code-eval/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/write-code-eval/
1Через Skills CLI (Vercel)
npx skills add ai-evals-course/evals-skills --skill write-code-eval -a codex2Вручную: положить файлы
.agents/skills/write-code-eval/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add ai-evals-course/evals-skills --skill write-code-eval -a cursor2Вручную: положить файлы
.cursor/skills/write-code-eval/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install ai-evals-course/evals-skills write-code-eval2Вручную: положить файлы
.github/skills/write-code-eval/SKILL.md1Через Skills CLI (Vercel)
npx skills add ai-evals-course/evals-skills --skill write-code-eval -a gemini-cli2Командой платформы
gemini skills install https://github.com/ai-evals-course/evals-skills --path skills/write-code-evalВручную: положить файлы
.devin/skills/write-code-eval/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add ai-evals-course/evals-skills --skill write-code-eval -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
Из того же набора9
Похожие
Рядом в теме «ИИ и ML»
Всё по теме «ИИ и ML» →Вопросы о write-code-eval
Как установить write-code-eval в Claude?
Выполните npx skills add ai-evals-course/evals-skills --skill write-code-eval -a claude-code. Скилл окажется в ~/.claude/skills/write-code-eval/SKILL.md.
Что делает write-code-eval?
Помогает написать код-проверку для известного режима отказа с объективным правилом. Возвращает результат и причину в формате вашего eval-фреймворка.
Когда вместо него нужен write-judge-prompt?
Когда правило нельзя проверить кодом и нужна интерпретация. Если у отказа есть и объективная, и интерпретируемая часть, объективную закрывают кодом, остальное отдают судье.
Исходный текст
SKILL.md · Apache-2.0
--- name: write-code-eval description: > Write code evaluators for known failure modes with objective rules. Use when code can check the rule from a trace, with or without a reference answer. Use `write-judge-prompt` when the rule requires interpretation. --- # Write a code evaluator Start with a failure mode found through error analysis. Write one check for that failure mode, much like a unit test that asserts what should hold for each trace. 1. State the rule and identify the trace fields or reference data the check needs. If the rule requires interpretation, use `write-judge-prompt`. 2. Implement the check in the project's language and eval framework. Return a result and a reason in the format that framework expects. 3. Test known passes and failures, including borderline cases. Run the check on available traces and inspect mistakes. If the rule uses a proxy for human judgment, compare its results with human labels. ## Examples | Failure mode | Possible check | |---|---| | Invalid output structure | Parse the output and check required fields | | Missing or forbidden text | Match a string or pattern | | Citation not in retrieved documents | Compare cited IDs with retrieved IDs | | Bad tool call | Check arguments against the tool schema or run the call in a safe test environment | | Wrong value | Compare the output with a reference value | Choose the check from the failure rule. For a failure with both objective and interpretive parts, check the objective part with code and use a judge for the rest.
© ai-evals-course · Apache-2.0 · ai-evals-course/evals-skills