WorkBuddy技能评测 #151 | eval-harness：给 AI 的表现建一套可量化的考卷

2026-11-05silcano

基本信息

• 技能名：eval-harness
• 来源仓库 Star 数：35,180（everything-claude-code 社区合集）
• 单技能下载量：平台未公开
• 分类：Testing & Security
• 数据来源：SkillKit 中央技能库（WorkBuddy 生态的第三方技能市场）

它解决了什么痛点

「这个提示词改了之后效果变好了吗？」——大多数人是凭感觉回答的。这个技能把 EDD（评测驱动开发）落到会话层面：定义任务样本、定义判定标准、跑批、对比分数，让「变好了」有数字支撑。

对我有没有用（技术 / 自媒体 / AI / 读书）

AI 方向：进阶但值得懂。如果你只是日常用 AI 干活，它偏重；如果你要持续调优提示词或做自动化流水线（比如让 AI 批量写评测文、批量改文章），它能帮你判断「这次改动到底有没有让质量上升」。技术方向：中等，本质是给非确定性系统做回归测试。自媒体：EDD 是稀缺选题。读书：可迁移（读书笔记也可以定判定标准）。

典型场景

你改了一版「技能评测文」的提示词，想知道是不是更好。装此技能后，用同样 10 个技能跑两版，按「是否给出明确结论/是否有具体场景/是否标注适用人群」三项打分。成果：从「感觉这版更顺」变成「平均分从 3.2 升到 4.1，但漏结论的比例上升了」。

一句话结论

给认真调 AI 的人用的。日常使用者了解概念即可，不必上手。

📊 完整对比数据见在线总表：WorkBuddy 技能市场全量调研总表（腾讯文档）