GratuitSkills
Commits, branches et synchronisation avec la CLI but
- 361361 téléchargements
- 198198 mentions J'aime
- 103103 sauvegardes
Compatible avec
- Claude Code
- Codex
- Cursor
- et 3 autres
Créer et valider des évaluateurs pour applications IA v1.0.0
Utilisez cette ressource pour concevoir, exécuter et valider des évaluateurs pour une application IA avec Phoenix
Nouveau
- 436 téléchargements
- 139 mentions J'aime
- 166 sauvegardes
Gratuit
Installer avec la CLI
Dans un terminal, depuis le dossier voulu :
npx --yes palatekit@latest install llm-evaluators-phoenixSans option, la skill va dans ~/.agents/skills/ ; ajoutez --agent claude-code (ou codex, cursor…) pour viser un agent.
Première fois : connectez la CLI avec
npx --yes palatekit@latest loginL'agent écrit des évaluateurs en code pour les vérifications simples et des juges LLM pour les nuances, en Python ou en TypeScript. Il les exécute sur des traces ou des dataframes, ou en expériences Phoenix, et peut vérifier leur accord avec des données annotées par des humains.
Choisie surtout par
Mise à jour le 2 novembre 2026
Aperçus
Caractéristiques
- Fonctionne dans
- Guides d'installation
- Génère avec
- Le modèle de votre agent
- Licence
- Apache-2.0
Ressources similaires
Tout voir- Gratuit
GratuitSkills
Guide de la CLI Sentry
- 525525 téléchargements
- 117117 mentions J'aime
- 128128 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
Bonnes pratiques Drizzle ORM avec PostgreSQL
- 407407 téléchargements
- 194194 mentions J'aime
- 151151 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
Assistant de conception de SLO
- 537537 téléchargements
- 105105 mentions J'aime
- 242242 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
User stories de sprint
- 451451 téléchargements
- 150150 mentions J'aime
- 132132 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
Plan de sprint réaliste
- 423423 téléchargements
- 192192 mentions J'aime
- 102102 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
Conseiller CTO de startup
- 580580 téléchargements
- 201201 mentions J'aime
- 242242 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
Création de pull requests GitHub avec contrôles qualité
- 427427 téléchargements
- 230230 mentions J'aime
- 196196 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
Ce que vous obtenez
- SKILL.md : workflows et principes de conception des évaluateurs
- references/ : évaluateurs prédéfinis, en code et par LLM, en Python et TypeScript
Pour qui
- Vous devez mesurer la qualité d'un chatbot après chaque changement de prompt
- Vous voulez remplacer des relectures manuelles par des contrôles automatiques
Pas pour qui
Étiquettes
- évaluation
- juge llm
- phoenix
- qualité
À propos
Vous dites
« Crée un évaluateur qui vérifie que la réponse cite bien les documents fournis, puis lance-le sur mes traces. »
Skill publiée par arize-ai sous licence Apache-2.0. Fichiers livrés dans leur version d'origine, en anglais.
Voir plusVoir moins
Comment l'utiliser
- Installez la skill dans le dossier de skills de votre agent
- Demandez à votre agent de concevoir, exécuter et valider des évaluateurs pour une application IA avec Phoenix
- Relisez et ajustez le résultat
Aperçu du contenu
Fichiers
- LICENSE3,7 Ko
- NOTICE-PALATEKIT.md0,5 Ko
- references/axial-coding.md2,4 Ko
- references/common-mistakes-python.md8,2 Ko
- references/error-analysis-multi-turn.md1,4 Ko
- references/error-analysis.md4,4 Ko
- references/evaluate-dataframe-python.md4,8 Ko
- references/evaluators-code-python.md3,1 Ko
- references/evaluators-code-typescript.md3 Ko
- references/evaluators-custom-templates.md1,2 Ko
- references/evaluators-llm-python.md2,6 Ko
- references/evaluators-llm-typescript.md2,9 Ko
- references/evaluators-overview.md1,1 Ko
- references/evaluators-pre-built.md7,9 Ko
- references/evaluators-rag.md3,7 Ko
- references/experiments-datasets-python.md5 Ko
- references/experiments-datasets-typescript.md3,7 Ko
- references/experiments-overview.md1,8 Ko
- references/experiments-running-python.md4,4 Ko
- references/experiments-running-typescript.md5,9 Ko
- references/experiments-synthetic-python.md1,8 Ko
- references/experiments-synthetic-typescript.md2,3 Ko
- references/filter-expressions.md15,2 Ko
- references/fundamentals-anti-patterns.md1,7 Ko
- references/fundamentals-model-selection.md1,5 Ko
- references/fundamentals.md1,9 Ko
- references/integrations-pytest.md8,1 Ko
- references/integrations-vitest-jest.md9,3 Ko
- references/observe-sampling-python.md3,4 Ko
- references/observe-sampling-typescript.md4,9 Ko
- references/observe-tracing-setup.md4,4 Ko
- references/production-continuous.md4,1 Ko
- references/production-guardrails.md1,4 Ko
- references/production-overview.md2,4 Ko
- references/setup-python.md2 Ko
- references/setup-typescript.md1,5 Ko
- references/validation-evaluators-python.md1,2 Ko
- references/validation-evaluators-typescript.md4,6 Ko
- references/validation.md3,8 Ko
- SKILL.md5,5 Ko
Origine et licence
Référencée sans modification
- Auteur
- arize-ai
- Source
- github.com/arize-ai/phoenix/tree/2196d813a80586c7bd3a3b91a6092d6a3fabb10c/.agents/skills/phoenix-evals
- Licence
- Apache-2.0
Notice
« phoenix-evals » (arize-ai, Apache-2.0) livré dans sa version d'origine : fiche en français et en anglais par PalateKit.
Avis des utilisateurs
–
Aucune note pour l'instant
Chargement des avis…