BenchClaw ist ein Codex/OpenCode-Skill-Workflow für die Erstellung, Evaluierung und Wartung von Benchmarks. Es standardisiert die gesamte Pipeline – vom Ideenentwurf und der Datengenerierung bis hin zur Evaluierung, Berichterstattung, Fehlerdiagnose und Skill-Verfeinerung – sodass Agenten reproduzierbare, überprüfbare Benchmarks mit klaren Qualitätsstufen, Abstammungsnachweisen und Rollback-Funktionen erstellen können.
BenchClaw ist ein spezialisierter Skill für Codex/OpenCode-Agenten, der den gesamten Lebenszyklus von Benchmarks automatisiert und standardisiert. Der Skill führt Agenten durch einen strukturierten Workflow, der mit der Ideenfindung und -dokumentation beginnt, über die Datengenerierung und -validierung bis hin zur Durchführung von Evaluierungen und der Erstellung detaillierter Berichte reicht. Ein besonderer Fokus liegt auf Reproduzierbarkeit und Auditierbarkeit: BenchClaw implementiert klare Qualitätsstufen (Quality Gates), verfolgt die Abstammung (Lineage) von Daten und Ergebnissen und ermöglicht bei Fehlern oder Änderungen ein zuverlässiges Rollback. Entwickler und Agenten können so sicherstellen, dass Benchmarks konsistent sind, Änderungen nachvollziehbar bleiben und Fehler schnell diagnostiziert werden können. Der Skill unterstützt gängige Evaluierungsframeworks und lässt sich in CI/CD-Pipelines integrieren, um Benchmarks kontinuierlich zu warten und zu verbessern.
npx skills add EurecaMoment/BenchClawBenchClaw ist ein Codex/OpenCode-Skill-Workflow für die Erstellung, Evaluierung und Wartung von Benchmarks. Es standardisiert die gesamte Pipeline – vom Ideenentwurf und der Datengenerierung bis hin zur Evaluierung, Berichterstattung, Fehlerdiagnose und Skill-Verfeinerung – sodass Agenten reproduzierbare, überprüfbare Benchmarks mit klaren Qualitätsstufen, Abstammungsnachweisen und Rollback-Funktionen erstellen können.
ElevenLabs text-to-speech with mac-style say UX.
Oracle CLI second-model review/debug/refactor/design with selected files, dry-run token checks, API or browser engine.
Capture and automate macOS UI with the Peekaboo CLI.
Generate multiple radically different interface designs for a module using parallel sub-agents. Use when user wants to design an API, explore interface options, compare module shapes, or mentions "design it twice".
Build a throwaway prototype to flesh out a design — a runnable terminal app for state/business-logic questions, or several radically different UI variations toggleable from one route.
Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".