mirror of
https://github.com/sweetwisdom/everything-claude-code-zh.git
synced 2026-03-22 06:20:10 +00:00
121 lines
2.7 KiB
Markdown
121 lines
2.7 KiB
Markdown
# 评测命令（Eval Command）
|
||
|
||
管理评测驱动开发（eval-driven development）工作流。
|
||
|
||
## 用法（Usage）
|
||
|
||
`/eval [define|check|report|list] [feature-name]`
|
||
|
||
## 定义评测（Define Evals）
|
||
|
||
`/eval define feature-name`
|
||
|
||
创建一个新的评测定义：
|
||
|
||
1. 创建 `.claude/evals/feature-name.md` 文件，使用以下模板：
|
||
|
||
```markdown
|
||
## EVAL: feature-name
|
||
创建时间：$(date)
|
||
|
||
### 能力评测（Capability Evals）
|
||
- [ ] [能力描述 1]
|
||
- [ ] [能力描述 2]
|
||
|
||
### 回归评测（Regression Evals）
|
||
- [ ] [现有行为 1 仍然正常工作]
|
||
- [ ] [现有行为 2 仍然正常工作]
|
||
|
||
### 通过准则（Success Criteria）
|
||
- 能力评测（capability evals）的 pass@3 > 90%
|
||
- 回归评测（regression evals）的 pass^3 = 100%
|
||
```
|
||
|
||
2. 提示用户填写具体准则。
|
||
|
||
## 检查评测（Check Evals）
|
||
|
||
`/eval check feature-name`
|
||
|
||
运行特定功能的评测：
|
||
|
||
1. 从 `.claude/evals/feature-name.md` 读取评测定义。
|
||
2. 对于每一项能力评测：
|
||
- 尝试验证准则。
|
||
- 记录 PASS/FAIL。
|
||
- 在 `.claude/evals/feature-name.log` 中记录尝试日志。
|
||
3. 对于每一项回归评测：
|
||
- 运行相关测试。
|
||
- 与基准（baseline）进行对比。
|
||
- 记录 PASS/FAIL。
|
||
4. 报告当前状态：
|
||
|
||
```
|
||
EVAL CHECK: feature-name
|
||
========================
|
||
能力（Capability）: X/Y 通过
|
||
回归（Regression）: X/Y 通过
|
||
状态（Status）: 进行中（IN PROGRESS）/ 已就绪（READY）
|
||
```
|
||
|
||
## 生成报告（Report Evals）
|
||
|
||
`/eval report feature-name`
|
||
|
||
生成完整的评测报告：
|
||
|
||
```
|
||
EVAL REPORT: feature-name
|
||
=========================
|
||
生成时间：$(date)
|
||
|
||
能力评测（CAPABILITY EVALS）
|
||
----------------
|
||
[eval-1]: PASS (pass@1)
|
||
[eval-2]: PASS (pass@2) - 需重试
|
||
[eval-3]: FAIL - 见备注
|
||
|
||
回归评测（REGRESSION EVALS）
|
||
----------------
|
||
[test-1]: PASS
|
||
[test-2]: PASS
|
||
[test-3]: PASS
|
||
|
||
指标（METRICS）
|
||
-------
|
||
能力 pass@1: 67%
|
||
能力 pass@3: 100%
|
||
回归 pass^3: 100%
|
||
|
||
备注（NOTES）
|
||
-----
|
||
[任何问题、边界情况或观察结果]
|
||
|
||
建议（RECOMMENDATION）
|
||
--------------
|
||
[可发布（SHIP）/ 需改进（NEEDS WORK）/ 阻塞（BLOCKED）]
|
||
```
|
||
|
||
## 列出评测（List Evals）
|
||
|
||
`/eval list`
|
||
|
||
显示所有评测定义：
|
||
|
||
```
|
||
EVAL DEFINITIONS
|
||
================
|
||
feature-auth [3/5 通过] 进行中（IN PROGRESS）
|
||
feature-search [5/5 通过] 已就绪（READY）
|
||
feature-export [0/4 通过] 未开始（NOT STARTED）
|
||
```
|
||
|
||
## 参数（Arguments）
|
||
|
||
$ARGUMENTS:
|
||
- `define <name>` - 创建新的评测定义。
|
||
- `check <name>` - 运行并检查评测。
|
||
- `report <name>` - 生成完整报告。
|
||
- `list` - 显示所有评测。
|
||
- `clean` - 清除旧的评测日志（保留最近 10 次运行记录）。
|