SkillEvaluator 即将登陆 ClawHub
摘要
SkillEvaluator 是一款用于评估 AI 智能体技能的开源工具，由 Patrick 在 NVIDIA 的支持下集成到 ClawHub 中，提供量化基准，帮助用户找到能提升智能体性能的技能。
Patrick 正与 NVIDIA 合作，将 SkillEvaluator 引入 ClawHub。
目标是让你的 Claw 更容易基于证据而非感觉找到最佳技能。一个有用的评估应该显示明确的“技能提升”：技能实际提升智能体性能的程度。
NVIDIA 在相同任务、模型和设置下对 300 多个已验证技能进行了基准测试。唯一区别在于智能体是否拥有该技能。在这些基准测试中，他们报告如下：
- 正确性：+41 分
- 有效性：+39 分
- 效率：+35 分
SkillEvaluator 是开源的，将这种量化证明引入 ClawHub 是帮助人们找到真正有效技能的重要一步。
Patrick 的文章
NVIDIA 的基准测试文章
相似文章
EvoClawBench：智能体能否从自身运行中学习可复用技能？
本文介绍了EvoClawBench，一个旨在测试AI智能体能否从自身执行运行中学习可复用技能的基准测试。多个智能体运行时的实验表明，技能学习具有选择性和成本敏感性，并非自动受益。
@gneubig: SkillsBench 是一个很棒的基准，我这么说不仅仅是因为 @OpenHandsDev 在上面击败了所有其他人。技能……
SkillsBench 1.1 是一个用于评估 AI 代理使用技能能力的基准，现已完全审计且无错误。
skillhub - 用于AI代理技能的包管理器（兼容Claude Code、Cursor、Codex）
skillhub是一个用于AI代理技能的包管理器，兼容Claude Code、Cursor和Codex。
如何评估技能以构建更好的智能体工具
一篇文章讨论评估技能的方法，以构建更好的智能体工具，可能侧重于AI智能体开发的实用方法。
SkillClaw：让技能通过智能体进化器集体进化
SkillClaw 提出了一个框架，用于多用户 LLM 智能体系统中的集体技能进化，通过聚合交互和反馈，实现自主更新和跨用户知识转移，以提升整个生态系统的性能。