🧪 A/B-Tests für Agent Skills – Finde heraus, ob deine SKILL.md dem Modell wirklich hilft oder nur ein Placebo ist. Blind bewertete Tests, Bootstrap-Konfidenzintervalle, ein Urteil: HILFT / PLACEBO / SCHADET. Für Claude Code, Codex, Gemini CLI & Cursor Skills.
sx4im/skillcheck ist ein Tool zum A/B-Testen von KI-Agenten-Skills, das entwickelt wurde, um die tatsächliche Wirksamkeit einer SKILL.md-Datei zu messen. Es führt blind bewertete Experimente durch, bei denen ein Modell mit und ohne die Skill-Datei getestet wird, und vergleicht die Ergebnisse statistisch. Anhand von Bootstrap-Konfidenzintervallen wird eine endgültige Bewertung abgegeben: HELPS (hilft), PLACEBO (kein Effekt) oder HARMS (schadet). Das Tool unterstützt gängige Agentenplattformen wie Claude Code, Codex, Gemini CLI und Cursor und bietet Entwicklern eine evidenzbasierte Methode, um die Qualität ihrer Skills zu validieren. So können unnötige oder kontraproduktive Anleitungen vermieden und die Effizienz der Agenten optimiert werden.
npx skills add sx4im/skillcheckInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
🧪 A/B-Tests für deine Agent Skills – Finde heraus, ob deine SKILL.md dem Modell wirklich hilft oder nur ein Placebo ist. Blind bewertete Tests, Bootstrap-Konfidenzintervalle, ein Urteil: HILFT / PLACEBO / SCHADET. Für Claude Code, Codex, Gemini CLI & Cursor Skills.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.