skill-eval
Skillby jensen-srp
clawhub⭐ 07/10
自主引擎，通过评分标准、错误分类和改进反馈循环，系统地评估和排名跨模型的智能体技能。
自主评估引擎，通过评分标准、错误分类和改进反馈循环，系统化评估并排名跨模型Agent技能表现，辅助AI能力优化决策。
📊 商业分析
商业模式
freemium
独特价值
跨模型自动评分+错误分类+改进建议形成完整评估闭环
竞品
1. OpenAI Evals（官方评估框架，生态强但不支持跨模型Agent技能横向排名）；2. LangSmith（LangChain生态评估工具，侧重链路追踪而非技能打分）；3. PromptFoo（Prompt测试工具，缺乏错误分类与改进反馈闭环）
🎯 应用场景
目标用户
AI产品经理/研究员企业AI能力建设团队Agent开发者与Prompt工程师
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 0
- 价值评分
- 7/10
- 子分类
- AI智能体评估与基准测试
- 可商业化
- ✅ 是
AI 标签
Agent评估技能基准测试多模型对比错误分类自动评分
相关工具推荐
skill-creatorSKILL
由Anthropic官方出品，支持从零创建AI Skill、编辑优化现有Skill、运行评估测试并进行方差分析的性能基准对比，实现AI能力工程化闭环管理。
9/10⭐ 86,759
conversation-memorySKILL
为LLM对话提供短期、长期、实体三层持久化记忆系统，让AI真正记住用户，支持跨会话上下文延续与知识积累。
9/10⭐ 22,346
self-improvingSKILL
具备自我反思、自我批评、持续学习与记忆组织能力的自进化Agent，自动评估并永久改进输出质量，无需人工反复校正。
9/10⭐ 638
proactive-agentSKILL
将AI Agent从被动任务执行者升级为主动预判伙伴，内置WAL协议、工作缓冲区与自主定时任务，支持持续自我改进的智能体框架
9/10⭐ 628
cellcogSKILL
DeepResearch Bench排名第一的全模态AI代理框架。通过多代理编排实现深度推理与文本、图像、音频、视频等全模态融合,支持复杂任务自动化。
9/10⭐ 6