Skip to main content

opendatahub-io/agent-eval-harness

O SkillsMP coletou 11 skills de opendatahub-io/agent-eval-harness. Abra uma skill para revisar a origem e os detalhes.

Última atividade de origem registrada
Catálogo do SkillsMP atualizado
skills coletadas
11
Estrelas no GitHub
40
Forks no GitHub
43

Mostrando 11 de 11 skills coletadas.

ocupação
Analistas de garantia de qualidade de software e testadores
descrição

Generate eval.yaml for the agent eval harness. Two modes - (1) Skill-based - examines SKILL.md, sub-skills, scripts, test cases to verify implementation quality, OR (2) Prompt-based - tests agent capabilities using custom analysis prompts (documentation…

Idioma do texto original: inglês

atualizado
ocupação
sem classificação
descrição

Generate evaluation test cases for an eval.yaml. Sources cases per generation.strategy - skill analysis (default), synthetic LLM generation from generation prompts (documentation and agent-capability evals), or MLflow production traces. Bootstraps a starter…

Idioma do texto original: inglês

atualizado
ocupação
sem classificação
descrição

Execute an evaluation against test cases (skill or prompt mode), score with judges, and report results. Requires eval.yaml (generated by /eval-analyze). Use when the user wants to test a skill, run eval, benchmark, compare models, detect regressions, check…

Idioma do texto original: inglês

atualizado
ocupação
Desenvolvedores de software
descrição

MLflow integration for evaluation — sync datasets, log run results, push/pull feedback between the harness and MLflow traces. Use when the user wants to log eval results to MLflow, sync test cases to MLflow datasets, connect judge scores to traces, pull…

Idioma do texto original: inglês

atualizado
ocupação
Cientistas de dados
descrição

Run Design-of-Experiments (DoE) evaluations with ANOVA over a matrix of agent configurations — comparing models, thinking-effort levels, prompts, or other factors across shared test cases, with repeated-measures / mixed-effects statistics that account for…

Idioma do texto original: inglês

atualizado
ocupação
Outras ocupações de informática
descrição

Evaluate the full harness configuration as a system. Scans all skills, commands, CLAUDE.md, and hooks for redundancy, overlap, type misclassification, and structural issues. Produces an informational report with restructuring suggestions. Use when the user…

Idioma do texto original: inglês

atualizado
ocupação
Cientistas de dados
descrição

Compare evaluation results across multiple models or runs. Takes a directory of eval run artifacts (summary.yaml, run_result.json, HTML reports) and produces a tabbed HTML comparison report with model cards, quality/cost tables, per-case breakdowns, and…

Idioma do texto original: inglês

atualizado
ocupação
Desenvolvedores de software
descrição

Automated skill improvement loop. Runs eval, identifies judge failures, reads traces and rationale, edits the SKILL.md to fix issues, re-runs to verify, and checks for regressions. Use when the user wants to automatically improve a skill based on eval…

Idioma do texto original: inglês

atualizado
ocupação
Desenvolvedores de software
descrição

Interactive review of evaluation results. Presents judge scores and skill outputs for human feedback, then proposes SKILL.md improvements based on what the user identifies. Use when the user wants to review eval results, look at results, check scores, see…

Idioma do texto original: inglês

atualizado
ocupação
Desenvolvedores de software
descrição

Optional environment configurator for the agent-eval-harness. Configures MLflow tracking, verifies API keys, and troubleshoots dependency issues. Detects available skills and agentic documentation (CLAUDE.md, AGENTS.md, ai-docs/) to suggest appropriate…

Idioma do texto original: inglês

atualizado
ocupação
Analistas de garantia de qualidade de software e testadores
descrição

Query Jira for bugs in a project and summarize coverage gaps. Test fixture for e2e external-state field detection.

Idioma do texto original: inglês

atualizado
Mostrando 11 de 11 skills coletadas.