TESTER SKILL MARKETPLACE
测试人员技能市场
下载可复用的 AI 评测技能，把方法、模板和检查规则带回你的项目。
RAG 评测v1.0.0
RAG 评测快速启动
从一份最小 Golden 集开始，快速跑通检索、上下文和答案质量评测。
3 个文件1 次下载 ↗
RAG 评测v1.0.0
RAG 指标 Golden 模板
可复制的 RAG Golden 用例字段和标注口径，适合接入 Ragas 或自建评测脚本。
2 个文件1 次下载 ↗
Agent 评测v1.0.0
Agent 轨迹校验器
检查 Agent 是否完成正确任务、按正确顺序调用工具，并传入合法参数。
2 个文件1 次下载 ↗
回归与 CIv1.0.0
Prompt 回归门禁
把 Prompt 改动转成可比较的离线回归结果，并输出是否允许合并的门禁结论。
2 个文件1 次下载 ↗
模型裁判v1.0.0
LLM 裁判校准包
建立人工校准集，检查裁判一致性、位置偏差和门禁附近样本。
2 个文件1 次下载 ↗
安全评测v1.0.0
提示注入红队用例包
覆盖直接注入、间接注入、敏感信息诱导和 Agent 越权的基础安全用例。
2 个文件1 次下载 ↗
评测资产治理v1.0.0
评测指标卡设计器
把模糊的“质量好不好”拆成有对象、有证据、有公式、有阈值的可执行指标卡。
3 个文件2 次下载 ↗
评测资产治理v1.0.0
Golden 用例设计器
从业务任务和失败代价生成分层 Golden 用例，并把最终答案、轨迹和安全预期拆开描述。
3 个文件1 次下载 ↗
评测资产治理v1.0.0
评测资产质量检查器
在用例集发布前检查字段完整性、引用关系、指标适用性和高风险缺口。
4 个文件2 次下载 ↗
模型裁判v1.0.0
证据优先 LLM 裁判
把 expected、实际回答和 Trace 组织成脱敏证据包，让 LLM 裁判按指标逐项判定并保留不确定性。
3 个文件1 次下载 ↗
质量治理v1.0.0
评测失败归因助手
把失败从“模型不行”拆成执行、数据、用例、指标、Judge、环境和业务实现问题。
3 个文件2 次下载 ↗
回归与 CIv1.0.0
评测质量门禁编排器
把 P0 风险、执行成功率、可评分覆盖率和指标阈值组合成通过、失败、需复核三态结论。
4 个文件1 次下载 ↗