跳至正文

从目标出发,找到产品、方案与交付方法。

语言
全球站 / Global描述目标
#30 · 68.6稳健主力境外仓库 / CLI 拉取

智能体工具调用回归评测台

围绕完成率、拒绝越权边界、人工接管触发与停止条件构建可证伪的 Agent 评估基准。

快照摘要 · GEO 基准CN · v1.6.2

智能体工具调用回归评测台(CN)前三:agent-tool-eval-harness;最高单位增益 agent-tool-eval-harness(8.5%/1k tok)。高安装与高效能排名前列保持收敛。

全球源 / CLI 安装
$ npx skills add anthropics/claude-skills@agent-tool-eval-harness

核心能力与次协调诊断

+16.8% · 8.48%/1k tok

安装量第 #20、单位增益 8.48%/1k tokens(第 #28),处于稳定生产可用区间。

  • 构造真实输入夹具而非宽松 mock 断言
  • 验证越权写入与未知工具降级拦截
  • 追踪多轮调用 Token 成本与回归波动

SKILL.md

1,980 tokens
---
name: agent-tool-eval-harness
version: 1.6.2
---
# Tool Eval Harness
Verify both happy paths and fail-closed refusal gates across agent turns.

六大模型家族亲和度矩阵

Best (CN): deepseek
静态卫生与安全审计Unverified
查看完整安全报告

尚未关联第三方扫描凭据;当前仅披露静态清单能力边界,待注册扫描证据入库后更新。

Gen Agent Trust Hub: UnverifiedSocket: UnverifiedSnyk: Unverified
Shell 命令执行隔离
外网变更请求隔离
读取环境密钥隔离
工作区越界写入隔离
未固定远程引用隔离
SHA-256:25c0d16e7528f490a1b675c3d9248460f35b17a9d264c8e057f39b16a4d2580c

同主题相关技能

浏览主题全榜
#187.0 · +24.6%

技能发现与按需检索器

按任务意图检索兼容 SKILL.md 规范的能力包并校验 SHA-256 锁定摘要,避免盲目全量注入上下文。

#384.0 · +24.8%

灵核需求澄清与任务书生成

遵循 Ask -> Plan -> Craft 闭环,将模糊业务目标收敛为带停止条件、验收依据与 SHA-256 摘要的任务书。