PluginEval

Claude Code: /plugin marketplace add wshobson/agents → /plugin install plugin-eval@claude-code-workflows

Tre lager används, där varje lager är dyrare än det föregående: en statisk analys som tolkar SKILL.md på under två sekunder, en LLM-bedömare som poängsätter aktivering, orkestrering, resultat och avgränsning på omkring trettio sekunder samt ett Monte Carlo-lager som kör färdigheten femtio till hundra gånger för att uppskatta tillförlitligheten. De statiska kontrollerna bygger på tydliga antaganden: successiv informationsvisning bedöms mot ett idealintervall på 200–600 rader, och varje upptäckt antimönster sänker lagrets poäng med ytterligare fem procent, dock aldrig under hälften. Resultaten används i en Elo-rankning mot en samling andra färdigheter, så placeringen är relativ till jämförbara alternativ i stället för ett absolut gränsvärde. Det levereras som ett riktigt Python-paket med en testsvit, inte bara som promptfiler.