“evaluate”的搜索结果

将代码审查意见与实际代码、支持的运行环境及现有行为进行核对，确认建议是否合理，梳理疑问并依据技术证据回复，再逐项修改和测试。

• 梳理含糊的代码审查意见
• 核实建议修改的兼容性
• 检查拟扩展的功能是否实际使用

在开发前检验产品方向，梳理是否推进、首次使用的障碍与功能优先级，并将依据、风险和下一步行动整理成产品简报或路线图。

• 将模糊想法整理成产品简报
• 确定待开发功能的优先级
• 发布前检查首次使用流程

调查预测市场价格所隐含的概率，记录来源与时间，并结合交易深度、结果判定规则和其他信息，评估其能否用于产品或业务决策。

• 评估产品采用预测市场数据的可行性
• 比较市场概率与内部指标
• 考虑用于智能体记忆或通知

Find Laravel packages for specific features through LaraPlugins.io MCP, a connection to its package search tools. Check maintenance indicators, release history, and Laravel/PHP compatibility to compare candidates before adding a package to a project.

中文简介正在准备中。当前显示英语简介。

• Find packages for authentication or permission management
• Find admin panel packages
• Check whether a package is actively maintained

为重复的代理任务设计专用执行流程，整理目标、输入输出、合格检查、进度记录与交接信息，并帮助将多个团队或项目共用的流程整理成共享技能。

• 设计重复任务的执行流程
• 为流程加入合格与否的检查
• 将重复步骤整理为共享技能

协助进出口商品关税归类、通关文件审查和制裁对象匹配核查，涵盖美国、欧盟、英国及亚太地区的贸易实务，并整理关税优惠条件及海关问询应对。

• 根据商品规格研究关税归类
• 审查商业发票与原产地证明
• 核查自由贸易协定优惠条件

根据工厂、仓库和办公室的用量、费率及合同条件，评估电力与天然气采购方案，支持供应商报价比较、峰值需量费用管理、可再生能源合同评估及年度预算编制。

• 比较多个场所的能源采购报价
• 审查费率方案与峰值需量费用
• 评估可再生能源合同及证书

让AI智能体按准确性、完整性、清晰度、可操作性和简洁性五个维度自评成果，给出有具体依据的分数、平均分，以及按优先级排列的改进建议。

• 多文件实现完成后的自评
• 检查多个工作阶段的最终成果
• 评估设计文档或分析报告

使用统一任务评估大语言模型的知识、推理和代码生成能力，生成多模型对比表及训练阶段的成绩趋势，并保存评估结果和每道题的回答。

• 使用MMLU和GSM8K评估模型
• 生成多个模型的成绩对比表
• 跟踪训练期间的模型成绩

帮助在现有Web应用中嵌入可通过自然语言操作界面的AI助手，涵盖安装、显示操作面板、连接LLM、验证交互，以及正式上线时保护API密钥的配置。

• 用文字操作业务界面
• 为现有Web应用嵌入AI助手
• 在真实界面中制作产品演示

分析开放权重语言模型的拒答机制，支持无需重新训练的权重修改实验，并根据计算环境选择模型与方法，比较修改前后的拒答率和回答质量。

• 研究语言模型的拒答机制
• 无需重新训练开展权重修改实验
• 按计算环境选择模型与方法

通过Hermes终端将代码实现、缺陷修复和PR审查交给Blackbox AI，比较并选择多个模型的结果，监控长任务，并从保存的检查点继续工作。

• 委派功能实现和缺陷修复
• 检查PR中的缺陷与安全问题
• 比较多个AI模型的实现结果

将目标图片与已实现的3D场景截图进行比较，逐步改善构图、照明和材质。记录视觉还原度评分与修改建议，并检查渲染速度，在需要时进行优化。

• 制作接近目标图片的3D场景
• 打磨浏览器游戏的照明与材质
• 改善现有3D作品的视觉效果

通过对话梳理新产品或个人项目的想法，分析要解决的问题、需求和实现方法，并整理成设计文档。根据创业、企业内部项目、学习或兴趣等目标调整提问。

• 检验创业想法的需求
• 梳理企业内部项目提案
• 细化学习或兴趣项目

Test websites and web apps in a real cloud browser, including local development servers. Check a specific user journey or several flows, then receive a quality score from 1 to 5 with evidence and identified issues.

中文简介正在准备中。当前显示英语简介。

• Checking whether checkout works
• Testing a local development app
• Evaluating a landing page

Create AgentDB learning plugins that use recorded experience to improve agent decisions. Choose a learning method, store states, actions, and rewards, train models, and evaluate suggested actions through CLI and API workflows.

中文简介正在准备中。当前显示英语简介。

• Train agents from historical experience
• Build decision-making for games and navigation
• Combine experience from multiple agents for training

分析claude-flow v3的MCP服务器延迟与负载，协助实现连接复用、工具检索、负载均衡和通信改进，并监控响应时间、错误率、内存及缓存表现。

• 调查MCP启动或响应缓慢的原因
• 复用连接并清理闲置连接
• 改进工具检索与请求分配

利用Wi-Fi测量数据训练和评估RuView模型，涵盖姿态估计、跨环境适应、GPU训练，以及将训练后的模型发布到Hugging Face。

• 不使用摄像头或标签训练姿态估计
• 利用摄像头与Wi-Fi配对数据训练
• 让模型适应不同房间和环境

测量claude-flow v3的启动时间、搜索速度和内存用量，验证是否达到改进目标，并通过持续监测发现性能退化，为优化方案提供依据。

• 比较v3优化前后的性能
• 评估搜索速度与内存用量
• 持续检测性能退化

将PR的标题和说明与提交记录及实际改动对照，找出遗漏的重要变更和过时内容，提出修改方案，并在用户同意后更新。

• 核对PR说明与实际实现是否一致
• 补充说明中遗漏的重要变更
• 更新已过时的PR标题

审查运行缓慢、不稳定或重复的测试，结合其保护的行为与执行、维护负担，判断应增加、合并还是删除测试，并选择适合修改范围的验证。

• 审查缓慢或不稳定的测试
• 为修改的行为选择测试
• 提交或拉取请求前审查测试修改

根据Archify生成的实际图表和代理工作记录，评估准确性、可读性及完成时间，通过前后对比实验改进布局、连线路径和制作流程。

• 比较图表布局和连线路径
• 调查反复修改图表的原因
• 验证图表制作流程的改进

Review OmniRoute audit logs and request history from the command line. Filter records by actor, action, or time, manage access rules, and export logs or compare operational data for compliance reviews.

中文简介正在准备中。当前显示英语简介。

• Investigate audit events for a user and time range
• Export records for a compliance review
• Create and evaluate access rules

Find agent skills on GitHub, score their relevance using rule-based checks, scan for malware and embedded secrets, and import them into supported agent directories, including Hermes, Claude Code, Gemini CLI, and OpenCode.

中文简介正在准备中。当前显示英语简介。

• Find community skills for a specific task
• Compare skills using relevance scores
• Check for malware and embedded secrets