Agent Skills Hub

evaluation

為 AI 代理構建系統化的評估框架，利用多維評分標準、LLM-as-a-judge 與回歸測試，量測代理效能、品質及上下文工程的有效性。

eval

透過自動化測試執行器、人工 LLM 判斷與結構化報告，評估 Deca 代理提示詞與行為一致性。

prompt-rewriter

進階提示詞改寫與優化服務。分析提示詞的清晰度、具體性與結構，提供可執行的優化建議、多種變體選項，並教授提示工程的最佳實踐。

eval-harness

AI 代理會話的正式評估框架，實施評估驅動開發 (EDD) 原則以確保代理可靠性。

peer-review

結構化手稿與經費審查助手，提供基於檢查清單的評估，涵蓋方法論、統計效度及報告標準（如 CONSORT/STROBE）合規性檢核。

scholar-evaluation

使用 ScholarEval 框架系統性地評估學術研究工作，針對研究品質維度提供結構化的定量與定性分析，並提供具備執行力的反饋建議。

trulens-evaluation-workflow

使用 TruLens 對 LLM 應用程式進行檢測、評估與監控的系統化工作流程，支援 LangChain、LangGraph 與 LlamaIndex 等框架。

ai-writing-detection

全面的 AI 文本檢測框架。透過詞彙分析、結構模式、模型指紋與技術後設資料比對，精準辨識 AI 生成內容與寫作痕跡。

context-compression

透過先進的上下文壓縮、結構化摘要與任務導向的狀態管理，為長期運行的 AI 代理會話優化效能並降低 Token 使用量。

evaluating-code-models

使用 BigCode Evaluation Harness 評估代碼生成模型。包含 HumanEval、MBPP 和 MultiPL-E 等基準測試，並提供多語言編碼模型的 pass@k 指標評估。

ai-multimodal

使用 Google Gemini 處理與生成多媒體內容。支援音訊轉錄、影像辨識、影片分析、PDF 解析及 AI 圖像生成，具備超長上下文窗口，適用於複雜的多模態 AI 任務。

ai-collaboration-standards

防止 AI 幻覺，確保在分析程式碼、技術文件或提供建議時，輸出具備證據支持且可驗證的內容。