#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。
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。
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。
$ npx skills add anthropics/claude-skills@agent-tool-eval-harness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。
---
name: agent-tool-eval-harness
version: 1.6.2
---
# Tool Eval Harness
Verify both happy paths and fail-closed refusal gates across agent turns.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。
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。
把冗长思维链压缩为可独立证伪的假设-证据树,大幅降低深度研究场景的上下文消耗。
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。
将会议纪要、飞书文档与多维表格字段映射为可复核行动项,支持中国区直连开放接口规范。