标签
Skill RSI 是一个免费工具，通过程序化评估和研究代理，以递归方式评估和改进 AI 技能，支持独立使用或作为 Codex 插件使用。
一位开发者构建了SkillBenchmark，这是一款用于客观衡量Caveman等Claude Code技能是否真正提升LLM输出质量的工具，结果发现Caveman在增加令牌成本的同时，并未展现出统计上显著的质量提升。
OpenSkillEval是一个自动评估框架，用于审计LLM智能体在多个下游任务中使用的开源技能。通过使用超过600个动态生成的任务和30项技能，作者发现技能的可用性并不保证有效使用，其收益在很大程度上取决于模型和框架。