软件下载帮助文档新闻资讯

Skill UI

浏览并发现 18950+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索回归，共找到 12 条记录

默认排序最新上传最多下载

Claude 评估驱动框架

affaan-m/everything-claude-code

Claude Code正式评估框架，先定义能力与回归标准，再用代码/模型/人工评估多个阶段，并持续跟踪pass@k和pass^k等可靠性指标以确保交付质量。

Langfuse CI/CD：LLM质量测试集成

langfuse-ci-integration

jeremylongshore/claude-code-plugins-plus-skills

本指南展示如何将Langfuse集成到CI/CD流水线（例如GitHub Actions）中，用于自动化大型语言模型（LLM）的质量测试。用户可以实现提示词回归测试、调用链验证和实验驱动的质量门禁，确保AI应用的稳定性和性能。

Mistral AI CI/CD 提示词测试

mistral-ci-integration

jeremylongshore/claude-code-plugins-plus-skills

本工具用于在CI/CD流程中自动化Mistral AI的验证和测试。它支持提示词回归测试、模型响应质量检查和API成本估算，确保每次代码提交和合并请求都能保证AI功能的稳定性和可靠性，是构建高质量AI应用的必备环节。

凤凰AI可观测平台

phoenix-observability

Orchestra-Research/AI-Research-SKILLs

Phoenix 是开源AI可观测平台，可用于追踪、评估和监控大语言模型应用，支持实验对比、数据集回归测试与实时生产监控，帮助工程团队自托管排查与优化。

Scikit-learn 机器学习

K-Dense-AI/scientific-agent-skills

提供使用 scikit-learn 进行机器学习的全面指南，涵盖分类、回归、聚类、预处理、模型评估和流水线构建，适用于构建生产级机器学习工作流。

云端大模型回归测试

cloud-provider-regression-test

SharpAI/DeepCamera

本工具用于自动化执行所有已启用云端大语言模型（LLM）提供商的回归测试。它全面验证了连接性、标准聊天补全、结构化JSON输出以及SSE流式传输能力。适用于确保多云AI集成在持续集成/持续部署流程中的稳定性和可靠性。

大模型链评估与回归测试

langchain-eval-harness

jeremylongshore/claude-code-plugins-plus-skills

本工具提供了一套全面的、可复现的LLM链和智能体评估系统。它集成了黄金数据集管理、LangSmith评估、RAGAS指标、deepeval LLM判别等功能。适用于为新构建的链条设置质量基线、诊断模型切换后的性能退化，以及在CI/CD流程中设置回归检测门禁。

Scikit-learn Python机器学习库

sickn33/antigravity-awesome-skills

Scikit-learn是Python领域标准的机器学习库。它提供全面的工具集，用于执行监督学习（如分类、回归）和无监督学习（如聚类、降维）。用户可以使用它来构建完整的机器学习流程，进行数据预处理、模型评估和优化，适用于构建端到端的各种数据科学和预测系统。

AI代理评估套件

sickn33/agentic-awesome-skills

为 AI 代理构建自动化评估套件，涵盖黄金数据集、评分标准与回归门禁；包含提示级单元测试、工具调用决策校验、端到端任务测试、安全对抗测试以及 LLM 裁判打分，让代理能力在持续迭代中安全提升。

智能体行为评估

agent-evaluation

sickn33/agentic-awesome-skills

使用版本化用例和显式验证器评估智能体行为。此技能有助于比较智能体或提示词变更，复现故障并运行回归测试。确保在声明任务分布上的可靠性，避免从通用分数推断产品就绪状态。包含不确定性报告和安全性验证方法。

智能体评估报告生成

agent-evaluation-reporting

sickn33/agentic-awesome-skills

将 AI 智能体评估运行转化为决策就绪报告，确保自主、辅助、失败及超时结果清晰可比。该方法定义正确的分母计算指标，诚实处理延迟和成本数据，并将证据映射到决策门限。适用于智能体基准测试、回归测试及生产就绪验证。

RAG 系统可观测性评估

rag-observability-evals

sickn33/agentic-awesome-skills

本技能用于监控和评估检索增强生成（RAG）系统的性能。通过检索质量指标、幻觉检测和事实性检查，确保 AI 生成内容可靠。支持使用 RAGAS 等库进行回归测试和生产环境可观测性分析。

1

语言