task は何をしますか？
自然言語の説明からcoder-evalタスクのYAMLを生成します。プロンプトを最小限に抑え、出力内容をチェックする重み付き評価基準を含み、coder-eval planで検証します。ユーザーが評価タスクの作成、追加、生成を希望する場合に使用します。
自然言語の説明からcoder-evalタスクのYAMLを生成します。プロンプトを最小限に抑え、出力内容をチェックする重み付き評価基準を含み、`coder-eval plan`で検証します。ユーザーが評価タスクの作成、追加、生成を希望する場合に使用します。
UiPath/taskスキルは、ユーザーが自然言語で記述したタスクの説明を、coder-evalフレームワークで使用可能なYAML形式の評価タスクに変換します。このスキルは、プロンプトを最小限に抑えつつ、出力の内容をチェックするための重み付き評価基準（criteria）を自動的に生成します。生成されたYAMLは`coder-eval plan`コマンドで検証され、正しい構造と妥当な評価基準が含まれていることを確認します。主に、AIエージェント（Claude Code、Cursor、Codexなど）向けの評価タスクを作成・追加・生成するユースケースで活用され、開発者やAIエージェントユーザーが効率的に評価タスクを管理できるようにします。
npx skills add https://github.com/UiPath/coder_eval/tree/main/plugins/coder-eval/skills/task自然言語の説明からcoder-evalタスクのYAMLを生成します。プロンプトを最小限に抑え、出力内容をチェックする重み付き評価基準を含み、coder-eval planで検証します。ユーザーが評価タスクの作成、追加、生成を希望する場合に使用します。
This repo contains 5 individual skills — each has its own dedicated page.
Analyze a finished coder-eval run and write analysis.md — cluster failures into systemic patterns and recommend fixes. Use when the user wants to know why a run failed, what regressed or got worse since a previous run, what to fix, or what a run says about their tasks.
Generate and run a coder-eval activation suite for a Claude Code skill. Use when the user asks whether a skill triggers, wants to test skill activation, or worries a skill has silently stopped firing.
Generate a GitHub Actions workflow that runs a coder-eval suite as a CI gate or on a schedule, using the published composite action — with the agent runtime, credentials, JUnit output and the run reports wired correctly.
Set up coder-eval in this repository — scan for what is worth evaluating (Claude Code skills, an MCP server, a CLI), then scaffold a task directory with one real task and the command to run it.
Review existing coder-eval task YAML — find criteria that cannot fail, prompts that leak the answer, and near-duplicate tasks, each with a fix. Read-only. Use when the user wants existing tasks reviewed, linted, audited, or checked for gaps.
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".