lambda-run/builder-language-evals

builder-language-evals とは？

このスキルは、`builder-language` Claude Codeスキルに対する評価スイートを提供します。具体的には、4つの異なるAIモデルに対して、3つの異なる条件（例：プロンプトのバリエーション）下で出力が指定された形式（フォーム）にどれだけ従っているかを測定します。評価は自動化されており、Gemini 3.1 Proモデルがジャッジとして機能し、各出力の形式準拠性をスコアリングします。このスキルは、Claude Codeスキルの品質保証や回帰テストに使用でき、モデルや条件の変更が出力の一貫性に与える影響を体系的に評価するのに役立ちます。開発者は、この評価スイートを実行することで、スキルの更新が形式遵守に悪影響を及ぼしていないかを確認できます。