agent-evaluation

Claude Code 技能未实测

「agent-evaluation」是 davila7 发布的Claude Code 技能（Skill），归入「测试与调试」分类。源码托管在 GitHub 仓库 davila7/claude-code-templates（32.8k 星，MIT 许可），最近更新于 2026-10-22。将技能目录复制到 ~/.claude/skills/ 即可在所有项目中使用。

作者原文描述：

Testing and benchmarking LLM agents including behavioral testing, capability assessment, reliability metrics, and production monitoring—where even top agents achieve less than 50% on real-world benchmarks Use when: agent testing, agent evaluation, benchmark agents, agent reliability, test agent.

安装

把技能目录复制到个人技能目录（或项目内的 .claude/skills/）：

git clone --depth 1 https://github.com/davila7/claude-code-templates.git /tmp/claude-code-templates
cp -r /tmp/claude-code-templates/cli-tool/components/skills/ai-research/agent-evaluation ~/.claude/skills/

命令由仓库/注册表元数据推导，未经实测；安装前请阅读源码并确认可信。 详见 如何安装 Skill。

信息