Communitygithub.com

skillberry-ai/cap-evolve

Optimiere die Fähigkeiten, Tools/MCP und Prompts jedes KI-Agenten mit deinen eigenen Evaluierungen.

Was ist cap-evolve?

Diese Fähigkeit ermöglicht es einem KI-Agenten-Optimierer, die Skills, Tools (einschließlich MCP-Server) und Prompts eines beliebigen Agenten systematisch zu verbessern, basierend auf benutzerdefinierten Evaluierungsmetriken. Sie bietet einen strukturierten Workflow: Der Optimierer liest die erforderlichen Eingaben, implementiert abstrakte Methoden in Python, führt einen Gate-Check durch und gibt strukturierte JSON-Ergebnisse für nachgelagerte Systeme aus. Unterstützt wird diese Fähigkeit durch Referenzmaterialien zu Konzepten, Beispielen und häufigen Fallstricken. Sie ist ideal für Entwickler, die ihre Agenten iterativ verfeinern möchten, ohne den gesamten Workflow von Grund auf neu schreiben zu müssen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add skillberry-ai/cap-evolve

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Ein Satz, der beschreibt, was die Ausführung dieser Fähigkeit bewirkt.

Wann diese Fähigkeit verwendet werden sollte

Konkrete Auslöser. Welche Situation in der Pipeline erfordert sie?

Eingaben

Lies inputs/INPUTS.md. Für jede als BENÖTIGT markierte Eingabe, die noch nicht vorhanden ist, FRAGE DEN BENUTZER – zitiere den erwarteten Pfad, die Befehle/Optionen, um sie zu erhalten, und etwaige Alternativen – und erfinde sie nicht. EMPFOHLENE Eingaben können übersprungen werden, mit einer protokollierten Notiz.

Was du implementieren musst

Der Optimierungsagent implementiert die abstrakten Methoden in scripts/abstract.py (oder bestätigt, dass der Projektadapter sie bereits abdeckt). Führe dann scripts/check.py aus – es verweigert die Ausführung, bis jede Methode echt und deterministisch ist, und teilt dir genau mit, was noch Platzhalter ist.

So wird es ausgeführt

python scripts/check.py        # Tor: muss zuerst bestanden werden
python scripts/run.py <args>   # führt den Schritt aus; gibt ein JSON-Ergebnis auf stdout aus

Das JSON auf stdout ist die Vertragsoberfläche – nachgelagerte Fähigkeiten (und Hosts, die kein Python importieren können) verarbeiten es direkt.

Referenzen – lade sie nur bei Bedarf

  • references/concepts.md – fundierter Hintergrund und die Begründung hinter dem Design.
  • references/examples.md – konkrete ausgearbeitete Beispiele.
  • references/pitfalls.md – Fehlermodi und wichtige Punkte, auf die geachtet werden muss.

Prompt

prompt/PROMPT.md ist die Prompt-Vorlage, die dem verwendenden Agenten übergeben wird, wenn diese Fähigkeit einen Modellschritt steuert. Fülle ihre {{placeholders}} aus den Eingaben.

Verwandte Skills