能做什么

教你怎么科学评估 Agent 的技能：Agent 每次路径都不同，不能像普通软件那样对着固定步骤打分。它给出多维评分标准（准确性、完整性、引用质量、工具效率）、LLM 当裁判与人工抽查的分工，还引用研究结论——约八成性能差异来自 token 用量。装进 Claude Code 后说「评估这个命令的效果」即可。

适用平台

Claude 等主流 Agent（纯文档技能）。

来源与安全

纯文档技能无可执行脚本（2026-11-04 上架安全审查通过）。（本站审查为技能上架时审查，非持续性监控，来源非本站可控，调用技能请自行甄别）