LLMアプリケーション（プロンプト、RAGパイプライン、ツール呼び出し、エージェント）をエンドツーエンドで評価するためのClaude Codeスキル集。「編集→評価→スコア確認→改善」の繰り返し可能なループを実現します。
このスキルは、Claude Code上でLLMアプリケーションのエンドツーエンド評価を実行するためのツールセットです。プロンプトエンジニアやAI開発者、チームが「編集→評価→スコア確認→改善」という反復可能なループを実現できるように設計されています。対応する評価対象は、プロンプト、RAGパイプライン、ツール呼び出し、エージェントなど多岐にわたります。直感的な操作で評価を実行し、結果をスコアとして確認することで、勘や経験に頼らないデータ駆動型の改善サイクルを構築できます。
npx skills add vukhanhtruong/claude-eval-skillLLMアプリケーション（プロンプト、RAGパイプライン、ツール呼び出し、エージェント）をエンドツーエンドで評価するためのClaude Codeスキル集。プロンプトエンジニア、AIビルダー、そして「編集→評価→スコア確認→改善」の繰り返し可能なループを、感覚に頼らず実現したいチームのために構築されました。
ソース: https://github.com/vukhanhtruong/claude-eval-skill
プッシュ日: 2026-05-12T10:07:30Z スター: 0
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".