技能评测器：快速入门

假设你已经手握一个写好的 Skill（比如帮你整理会议纪要的小助手），现在想看看它在实战中到底表现如何。不需要复杂的配置，一句话就能开启“体检模式”。

准备工作

只要你的 Skill 文件夹里有 SKILL.md，并且你已经安装了 Skill Creator 就可以开始啦。不需要写任何代码，放轻松。

第一份体检报告

试着直接对 Claude 说这句话：

帮我测试一下我的会议纪要 Skill，找三个不同风格的录音文稿来试试效果。

接下来会发生什么？

在你喝杯水的功夫，Claude 会在背后帮你完成这一连串动作：

1. 量身定制题库：它会根据 Skill 的用途，自动设计 2-3 个有代表性的测试任务，存进 evals/evals.json。
2. 两路同跑：它会同时请两个 Agent 出来工作。一个带着你的 Skill 认真干活（with_skill），另一个则是“裸跑”的对照组（without_skill）。
3. 公正打分：任务结束，专门的“阅卷老师”（Grader Agent）会按照约定的规则（比如：有没有漏掉待办事项？格式对不对？）逐条打分，并在没过的地方贴上截图般的证据。
4. 送报告上门：成果会汇总成一个 Eval Viewer 网页。你可以在左边看具体干得怎么样，右边看整体的数据对比。

这一步的意义

你再也不用手动去喂 prompt，也不用肉眼去猜“新版本是不是更强了”。几分钟内，你会得到一份全方位的对比数据：哪些地方是强项，哪些地方还有明显的坑。你在网页上的反馈就是它的“补药”，Claude 会根据这些建议自动帮你把 Skill 修补得更完美。这就是迭代循环的完美起点。