Token导航 LogoToken导航

Agent Skill · 开发

evaluation-%26-monitoring(评估%26 监控)

evaluation-%26-monitoring 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

evaluation-%26-monitoring 是开发类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为权限未标注;许可证信息还不明确,暂无第三方扫描结果,按安装量在开发类的 21,744 个 Skill 里排第 2,978。

总安装 13,425周安装 388GitHub Stars 公开资料未说明下载 2,447核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:evaluation-%26-monitoring(评估%26 监控)
来源仓库:https://github.com/lauraflorentin/skills-marketplace
仓库路径:skills/evaluation-%26-monitoring
安装命令:
npx skills add https://github.com/lauraflorentin/skills-marketplace --skill 'Evaluation & Monitoring'
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/lauraflorentin/skills-marketplace --skill 'Evaluation & Monitoring'

这个 Skill 是做什么的

开发类 Skill 面向写代码、改代码和排查问题,一般会读写仓库文件,部分还会执行构建或测试命令。

evaluation 确定代理正确性、有用性和安全性,monitoring 监控系统运行状态。两者共同构成 AI 系统生命周期管理的基础,缺一不可。可用于 CI/CD 门禁、A/B 测试、成本审计和漂移检测等实际场景。安装前需确认是否涉及敏感操作,如拒绝低精度代码变更或费用告警。

evaluation-%26-monitoring 属于开发类 Skill,可作为该场景下的辅助能力补充。

来源仓库内路径:skills/evaluation-%26-monitoring

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/lauraflorentin/skills-marketplace --skill 'Eva…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    权限没有明确标注,第一次使用时只给一个无关紧要的任务,观察它到底读了哪些文件和网络。

常见问题

6 条

evaluation-%26-monitoring 怎么安装?

在终端执行 npx skills add https://github.com/lauraflorentin/skills-marketplace --skill 'Evaluation &…。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

evaluation-%26-monitoring 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

evaluation-%26-monitoring 需要什么权限?

权限级别没有明确标注。第一次使用时建议只给无关紧要的任务,观察它实际读写了哪些内容。

evaluation-%26-monitoring 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

evaluation-%26-monitoring 用的人多吗?

公开数据是累计安装 13,425 次,近一周安装 388 次,下载 2,447 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

evaluation-%26-monitoring 安全吗?

没有查到第三方扫描结果,安全性无法从公开资料判断,安装前请自行审查源码、依赖和命令行为。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。

先想清楚的地方

  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 没有第三方扫描结果,安全性只能靠自己读源码判断。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理开发类任务、又不想每次都手写提示词的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 要求有安全扫描结论才肯安装的团队。
  • 需要厂商级技术支持和 SLA 的生产系统。

开发类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
skill-vetter

技能审查员 · OpenClaw

8,779,018986操作浏览器MIT-0通过
ontology

本体论 · OpenClaw

6,636,960576只读MIT-0通过
entra-app-registration

内部应用程序注册 · Codex、Claude

6,631,872764接触敏感数据未明确通过
entra-app-registration

内部应用程序注册 · Codex、Claude

3,757,680201接触敏感数据未明确通过
nano-banana-pro

纳米香蕉专业版 · OpenClaw

3,526,898364接触敏感数据MIT-0有提醒
evaluation-%26-monitoring

评估%26 监控 · 本页

13,425—权限未标注未明确未收录

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

Evaluation & Monitoring

Evaluation determines *how well* an agent performs (correctness, helpfulness, safety), usually on a test dataset. Monitoring determines *how the system is running* (latency, errors, cost) in a live environment. Both are essential for the lifecycle management of AI systems.

When to Use

  • CI/CD: Rejecting code changes if they drop accuracy below a threshold.
  • A/B Testing: Comparing Prompt A vs. Prompt B to see which users prefer.
  • Cost Auditing: Understanding which agents or tools are driving up the bill.
  • Drift Detection: Noticing if the model starts hallucinating more often on new data.

Use Cases

  • LLM-as-a-Judge: Using GPT-4 to grade the answers of a smaller model.
  • Latency Tracking: Measuring the time-to-first-token (TTFT) and total generation time.
  • Topic Clustering: Analyzing user queries to see what topics are trending or failing.

Implementation Pattern

def evaluate_agent(agent, test_set):
    score = 0
    total = len(test_set)

    for case in test_set:
        # Run agent
        prediction = agent.run(case.input)

        # Evaluate vs Golden Answer
        # Simple exact match or fuzzy match
        if is_correct(prediction, case.expected):
            score += 1
        else:
            # Semantic Evaluation using an LLM Judge
            judge_score = llm_judge.evaluate(
                prediction,
                case.expected
            )
            score += judge_score

    return score / total

平台分布

Codex

37.48%
按下载量换算917

Claude

32.44%
按下载量换算794

Cursor

18.35%
按下载量换算449

Gemini CLI

9.28%
按下载量换算227

安全审计

暂无安全审计结果可展示。

权限和风险

权限未标注

当前来源未能明确判断权限范围,默认进入异常复核队列。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills