Structure evaluations for Claude Code tasks by defining success criteria before implementation, checking new capabilities and regressions, and recording results. It describes code-based, model-based, and human graders, plus pass@k and pass^k reliability measures.
中文简介正在准备中。当前显示英语简介。
克劳德代码会话的正式评估框架，实施评估驱动开发（EDD）原则
实测评分 未实测
查看安装方法安装前可以查看交给 AI 代理的指令内容。
一个用于 Claude Code 会话的正式评估框架，实现了评估驱动开发 (EDD) 原则。
评估驱动开发将评估视为 "AI 开发的单元测试"：
测试 Claude 是否能完成之前无法完成的事情：
[能力评估：功能名称]
任务：描述 Claude 应完成的工作
成功标准：
- [ ] 标准 1
- [ ] 标准 2
- [ ] 标准 标准 3
预期输出：对预期结果的描述
确保更改不会破坏现有功能：
[回归评估：功能名称]
基线：SHA 或检查点名称
测试：
- 现有测试-1：通过/失败
- 现有测试-2：通过/失败
- 现有测试-3：通过/失败
结果：X/Y 通过（之前为 Y/Y）
使用代码进行确定性检查：
# Check if file contains expected pattern
grep -q "export function handleAuth" src/auth.ts && echo "PASS" || echo "FAIL"
# Check if tests pass
npm test -- --testPathPattern="auth" && echo "PASS" || echo "FAIL"
# Check if build succeeds
npm run build && echo "PASS" || echo "FAIL"
使用 Claude 来评估开放式输出：
[MODEL GRADER PROMPT]
评估以下代码变更：
1. 它是否解决了所述问题？
2. 它的结构是否良好？
3. 是否处理了边界情况？
4. 错误处理是否恰当？
评分：1-5 (1=差，5=优秀)
推理：[解释]
标记为需要手动审查：
[HUMAN REVIEW REQUIRED]
变更：对更改内容的描述
原因：为何需要人工审核
风险等级：低/中/高
"k 次尝试中至少成功一次"
"所有 k 次试验都成功"
## 评估定义：功能-xyz
### 能力评估
1. 可以创建新用户账户
2. 可以验证电子邮件格式
3. 可以安全地哈希密码
### 回归评估
1. 现有登录功能仍然有效
2. 会话管理未改变
3. 注销流程完整
### 成功指标
- 能力评估的 pass@3 > 90%
- 回归评估的 pass^3 = 100%
编写代码以通过已定义的评估。
# Run capability evals
[Run each capability eval, record PASS/FAIL]
# Run regression evals
npm test -- --testPathPattern="existing"
# Generate report
评估报告：功能-xyz
========================
能力评估：
创建用户： 通过（通过@1）
验证邮箱： 通过（通过@2）
哈希密码： 通过（通过@1）
总计： 3/3 通过
回归评估：
登录流程： 通过
会话管理： 通过
登出流程： 通过
总计： 3/3 通过
指标：
通过@1： 67% (2/3)
通过@3： 100% (3/3)
状态：准备就绪，待审核
/eval define feature-name
在 .claude/evals/feature-name.md 处创建评估定义文件
/eval check feature-name
运行当前评估并报告状态
/eval report feature-name
生成完整的评估报告
将评估存储在项目中：
.claude/
evals/
feature-xyz.md # Eval definition
feature-xyz.log # Eval run history
baseline.json # Regression baselines
## EVAL：添加身份验证
### 第 1 阶段：定义 (10 分钟)
能力评估：
- [ ] 用户可以使用邮箱/密码注册
- [ ] 用户可以使用有效凭证登录
- [ ] 无效凭证被拒绝并显示适当的错误
- [ ] 会话在页面重新加载后保持
- [ ] 登出操作清除会话
回归评估：
- [ ] 公共路由仍可访问
- [ ] API 响应未改变
- [ ] 数据库模式兼容
### 第 2 阶段：实施 (时间不定)
[编写代码]
### 第 3 阶段：评估
运行：/eval check add-authentication
### 第 4 阶段：报告
评估报告：添加身份验证
==============================
能力：5/5 通过 (pass@3: 100%)
回归：3/3 通过 (pass^3: 100%)
状态：可以发布
还没有评价。欢迎分享你的使用感受。
无需登录即可发表。欢迎分享使用感受、提问，或说明在哪些环境下无法运行。
还没有评论。来写第一条吧。
Use this skill to design or review REST APIs. It covers resource URLs, HTTP methods and status codes, pagination, filtering, sorting, error responses, authentication, rate limits, and versioning, with patterns for consistent endpoint contracts.
中文简介正在准备中。当前显示英语简介。
Use this skill to design or review REST APIs, including resource URLs, HTTP methods and status codes, pagination, filtering, errors, versioning, and rate limits. It helps make endpoint behavior and response formats consistent for clients and developers.
中文简介正在准备中。当前显示英语简介。
Draft or refine long-form articles, guides, tutorials, and newsletters using a supplied style reference or a clear, practical default voice. The skill helps shape structure, improve pacing, and check claims against source material without inventing credentials or evidence.
中文简介正在准备中。当前显示英语简介。
Draft or revise long-form pieces such as articles, guides, tutorials, and newsletters. The skill helps shape a clear structure, match a supplied writing sample or brand guide, and ground claims in provided sources without inventing biographical facts, company metrics, or testimonials.
中文简介正在准备中。当前显示英语简介。
Use this skill to draft or revise long-form content such as articles, guides, tutorials, and newsletters. It can shape structure and pacing, turn notes or research into polished copy, and match a supplied voice sample or brand guide while checking claims against sources.
中文简介正在准备中。当前显示英语简介。
Draft or refine long-form writing such as articles, guides, blog posts, tutorials, and newsletters. It can follow supplied writing samples or brand guidance, organize sections around a clear purpose, and keep claims grounded in the provided sources.
中文简介正在准备中。当前显示英语简介。