构建、验证和部署 LLM-as-Judge 评估器，以对 LLM 管道输出进行自动质量评估。每当用户想要执行以下操作时，都可以使用此技能：为主观或细微的故障模式创建自动评估器、为通过/失败评估编写判断提示、分割标记数据以进行判断开发、测量判断一致性 (TPR/TNR)、通过偏差校正估计真实成功率或设置 CI 评估管道。当用户提到“判断提示”、“自动评估”、“LLM评估器”、“评分提示”、“对齐指标”、“真阳性率”或想要从手动跟踪审查转向自动评估时也会触发。该技能涵盖了整个生命周期：提示设计→数据分割→迭代细化→成功率估计。
通过命令行快速安装 llm-as-a-judge AI 技能到你的开发环境
来源：maragudk/evals-skills。
Build reliable automated evaluators that use an LLM to judge the outputs of another LLM pipeline. Each judge targets a single, binary (Pass/Fail) failure mode identified during error analysis.
Use code-based evaluators when the failure is objective and deterministic:
Each failure mode gets its own dedicated evaluator. Never combine multiple criteria into a single judge prompt—this introduces ambiguity and makes diagnosis harder.
构建、验证和部署 LLM-as-Judge 评估器，以对 LLM 管道输出进行自动质量评估。每当用户想要执行以下操作时，都可以使用此技能：为主观或细微的故障模式创建自动评估器、为通过/失败评估编写判断提示、分割标记数据以进行判断开发、测量判断一致性 (TPR/TNR)、通过偏差校正估计真实成功率或设置 CI 评估管道。当用户提到“判断提示”、“自动评估”、“LLM评估器”、“评分提示”、“对齐指标”、“真阳性率”或想要从手动跟踪审查转向自动评估时也会触发。该技能涵盖了整个生命周期：提示设计→数据分割→迭代细化→成功率估计。 来源：maragudk/evals-skills。
为搜索与 AI 引用准备的稳定字段与命令。
npx skills add https://github.com/maragudk/evals-skills --skill llm-as-a-judge构建、验证和部署 LLM-as-Judge 评估器，以对 LLM 管道输出进行自动质量评估。每当用户想要执行以下操作时，都可以使用此技能：为主观或细微的故障模式创建自动评估器、为通过/失败评估编写判断提示、分割标记数据以进行判断开发、测量判断一致性 (TPR/TNR)、通过偏差校正估计真实成功率或设置 CI 评估管道。当用户提到“判断提示”、“自动评估”、“LLM评估器”、“评分提示”、“对齐指标”、“真阳性率”或想要从手动跟踪审查转向自动评估时也会触发。该技能涵盖了整个生命周期：提示设计→数据分割→迭代细化→成功率估计。 来源：maragudk/evals-skills。
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/maragudk/evals-skills --skill llm-as-a-judge 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code、Cursor 或 OpenClaw 中使用
https://github.com/maragudk/evals-skills