Was macht builder-language-evals?
Evaluierungssuite für die Builder-Language Claude Code Skill – Einhaltung von Formvorgaben über 4 Modelle × 3 Bedingungen hinweg, bewertet durch Gemini 3.1 Pro.
Evaluierungssuite für die Builder-Language Claude Code Skill – Einhaltung von Formvorgaben über 4 Modelle × 3 Bedingungen hinweg, bewertet durch Gemini 3.1 Pro.
Diese Evaluierungssuite, `lambda-run/builder-language-evals`, dient zur systematischen Überprüfung der **Formvorgaben-Einhaltung** der `builder-language`-Fähigkeit von Claude Code. Sie testet die Leistung über eine Matrix von **4 verschiedenen KI-Modellen** und **3 unterschiedlichen Bedingungen** hinweg (z. B. verschiedene Kontextlängen oder Prompt-Formate). Die Bewertung der Ergebnisse erfolgt automatisiert durch **Gemini 3.1 Pro** als unabhängigen, konsistenten Juroren. Dies ermöglicht Entwicklern und Nutzern von KI-Agenten (speziell für Claude Code, Cursor oder Codex), die Robustheit und Zuverlässigkeit einer Skill-Implementierung in realistischen Szenarien quantitativ zu messen. Die Suite ist besonders nützlich für Qualitätssicherung, Regressionstests und den Vergleich verschiedener Optimierungen einer AI-Skill-Beschreibung.
npx skills add lambda-run/builder-language-evalsEvaluierungssuite für die Builder-Language Claude Code Skill – Einhaltung von Formvorgaben über 4 Modelle × 3 Bedingungen hinweg, bewertet durch Gemini 3.1 Pro.
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".