给 AI 助手装技能
装上一个技能,Claude Code、Codex、Cursor 这类 AI 助手就多会一件事。
评测监控
6 个技能追踪、评估、观测大模型应用,管理提示词。
- agent-evaluation为 Agent 搭建评估体系,包括指标、测试环境、评分标准、失败归因与回归检查。
- eval-dataset-design设计 Agent 评估任务与数据集,包括验证器、难度分级、防泄漏和长期维护。
- agent-prompt-quality-bar按固定标准检查智能体系统提示词,涵盖运行约定、兜底路径和常见错误。
- agent-testing在发布前测试助手,给出该问的问题、要留意的失败情况和修改建议。
- releasing-agenticos-resources带智能体走完数据集、评测、发布版本、预发布、上线和回滚流程。
- verify-secrets测试标记为机密的文本是否会通过回复、错误、日志或写入的文件泄露。