evaluating-skills-with-models

Evaluate skills across multiple Claude models using sub-agents with quality-based scoring.

Binary pass/fail ("did it do X?") fails to differentiate models - all models can "do the steps." The difference is how well they do them. This skill uses weighted scoring to reveal capability differences.

Default to difficult scenarios: When multiple scenarios exist, prioritize Hard or Medium difficulty scenarios for evaluation. Easy scenarios often don't show meaningful differences between models and aren't realistic for production use.

قم بتقييم المهارات من خلال تنفيذها عبر نماذج السوناتة والتأليف والهايكو باستخدام الوكلاء الفرعيين. يُستخدم عند اختبار ما إذا كانت إحدى المهارات تعمل بشكل صحيح، أو مقارنة أداء النموذج، أو العثور على أرخص نموذج متوافق. إرجاع الدرجات الرقمية (0-100) للتمييز بين قدرات النموذج. المصدر: taisukeoe/agentic-ai-skills-creator.