Uma coleção de habilidades Claude Code para avaliar aplicações LLM de ponta a ponta: prompts, pipelines RAG, chamadas de ferramentas e agentes. Criado para engenheiros de prompt, construtores de IA e equipes que desejam um loop repetível de "editar → avaliar → ver pontuações → melhorar" em vez de iteração baseada em intuição.
Este skill fornece um conjunto de habilidades Claude Code projetadas para avaliar aplicações baseadas em modelos de linguagem (LLMs) de forma completa, cobrindo prompts, pipelines de Retrieval-Augmented Generation (RAG), chamadas de ferramentas e execuções de agentes. Ele é especialmente útil para engenheiros de prompt, construtores de IA e equipes de desenvolvimento que buscam substituir métodos subjetivos de avaliação por um ciclo de feedback repetível e orientado a dados: editar uma configuração, executar uma avaliação, visualizar métricas de desempenho e iterar com base nos resultados. O skill é destinado ao ecossistema Claude Code, mas sua abordagem pode ser adaptada para outros ambientes de desenvolvimento de LLMs. Ele funciona integrando scripts de avaliação e métricas padronizadas no fluxo de trabalho do desenvolvedor, permitindo que modificações em prompts ou na lógica do agente sejam testadas e refinadas com consistência, promovendo uma evolução mais rápida e confiável das aplicações.
npx skills add vukhanhtruong/claude-eval-skillUma coleção de habilidades Claude Code para avaliar aplicações LLM de ponta a ponta: prompts, pipelines RAG, chamadas de ferramentas e agentes. Criado para engenheiros de prompt, construtores de IA e equipes que desejam um loop repetível de "editar → avaliar → ver pontuações → melhorar" em vez de iteração baseada em intuição.
Fonte: https://github.com/vukhanhtruong/claude-eval-skill
Enviado em: 2026-05-12T10:07:30Z Estrelas: 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".