¿Qué hace skill-harness?
Pruebas diferenciales de ablación por cláusula para habilidades de LLM. Mide si cada cláusula de un artefacto de habilidad produce un efecto direccional medible. Pre-alfa.
Pruebas diferenciales de ablación por cláusula para habilidades de LLM. Mide si cada cláusula de un artefacto de habilidad produce un efecto direccional medible. Pre-alfa.
MrBinnacle/skill-harness es una herramienta de prueba diferencial por ablación diseñada para evaluar habilidades de modelos de lenguaje grande (LLM). Su propósito principal es medir si cada cláusula individual dentro de un artefacto de habilidad (como el SKILL.md) produce un efecto direccional medible en el comportamiento del agente. Esto permite a los desarrolladores identificar qué partes de una instrucción son realmente útiles y cuáles son redundantes o incluso contraproducentes. La herramienta funciona ejecutando el agente con y sin cada cláusula (ablación), y comparando los resultados para detectar cambios significativos. Aunque aún en fase pre-alfa, este enfoque es valioso para optimizar habilidades de agentes como Claude Code, Cursor o Codex, mejorando su precisión y eficiencia al eliminar instrucciones irrelevantes.
npx skills add MrBinnacle/skill-harnessPruebas diferenciales de ablación por cláusula para habilidades de LLM. Mide si cada cláusula de un artefacto de habilidad produce un efecto direccional medible. Pre-alfa.
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".