evaluating-code-models
使用 BigCode Evaluation Harness 评估代码生成模型。涵盖 HumanEval、MBPP 和 MultiPL-E 等基准测试,提供多语言编码模型的 pass@k 指标评估。
探索可复用的代理技能,查看实现细节,快速找到适合你工作流程的技能。
共找到 501 个技能
使用 BigCode Evaluation Harness 评估代码生成模型。涵盖 HumanEval、MBPP 和 MultiPL-E 等基准测试,提供多语言编码模型的 pass@k 指标评估。
建立并设置 Hookify 规则,以监控文件、Bash 指令或用户提示中的特定模式。
MCP Gateway 设计模式,用于管理 Agent Gateway、子进程 (Subprocess) 及 Daemon 隔离策略,以优化上下文 Token 使用与系统性能。
为并行开发建立隔离的 git worktrees,自动处理目录选择、.gitignore 安全检查、依赖安装与基准测试验证。
维护结构化的 DEBUG_LOG.md 以记录程序错误、调试过程与解决方案,确保项目稳定性并积累技术知识。
远程控制 tmux 会话,通过发送自动化按键与抓取终端面板输出,以实现 CLI 的自动化操作。
直接从 Claude Code 查询 Google NotebookLM 笔记本,获取基于来源、附带引用的 Gemini 精准回答。支持持久身份验证、笔记本库管理以及自动化浏览器文档检索。
为 Splitrail 实现新 AI 编程代理分析器的开发指南,用于追踪代码代理的 Token 使用量、成本及性能指标。
逆向工程专家,专门用于分析代码库、绘制依赖关系图,并从遗留或无文档系统中提取规格说明。
通过分析可用技能、制定结构化执行计划并管理手动或委派的多步骤工作流程,来统筹复杂的编程任务。
提升图像质量、分辨率与清晰度,专为屏幕截图与数字媒体设计。适用于专业文档、博客与演示文稿。
使用可靠的 Python 脚本将图像以 90 度为单位进行旋转。支持 PNG、JPG、GIF、BMP 和 TIFF 格式,确保图像质量并提供自动化文件处理。