Скиллы и MCP с тегом «evals»

caveman-manage JuliusBrussee скилл Скилл читает состояние и результаты экспериментов Caveman Cloud, проверяет доказательства и выдаёт одну рекомендацию либо блокирует действие. Claude Code CX Codex Cursor +1 103 300установок eval-harness affaan-m скилл Скилл для eval-driven development: задаёт критерии pass/fail до написания кода и считает надёжность агента через pass@k и pass^k. Claude Code CX Codex Cursor +1 4 700установок agentic-engineering affaan-m скилл Скилл задаёт правила автономной разработки: разбивает задачи на 15-минутные блоки, прогоняет тесты до правок и распределяет модели Claude по сложности кода. Claude Code CX Codex Cursor +1 4 700установок continuous-agent-loop affaan-m скилл Скилл задаёт схему автономного цикла агента: выбор режима, контроль качества, прогон evals и выход из сбоев. Пригодится, когда агент работает без присмотра. Claude Code CX Codex Cursor +1 4 500установок bmad-eval bmad-code-org скилл Тестирует и бенчмаркает скиллы в изолированной среде: сравнивает вывод с чистой моделью, проверяет точность триггеров и оценивает качество по рубрике. Claude Code CX Codex Cursor +1 4 500установок deepeval Confident AI скилл Скилл настраивает тестирование AI-агентов и RAG через DeepEval. Помогает собирать тестовые наборы и запускать проверки через pytest. Claude Code CX Codex Cursor +1 2 800установок checkpoint-promotion Seth Hobson скилл Проверяет обученный чекпойнт перед выпуском: ищет утечки, дрейф возможностей, забывание и провал в сравнении с базовой моделью. Claude Code CX Codex Cursor 2 600установок senior-prompt-engineer Alireza Rezvani скилл Оценивает промпты по метрикам, проверяет пайплайны RAG и конфиги агентов через три встроенных скрипта Python. Пригодится для исключения правок промптов наугад. Claude Code 970установок agents-sdk официальный OpenAI скилл Собирает, запускает и тестирует приложения на OpenAI Agents SDK прямо из Codex. Превращает промпт, репозиторий или сессию в рабочего агента с инструментами и eval-тестами. CX Codex GP ChatGPT 22установок