两行命令，搞定 Agent 评估

skillgrade 的使用方式简单到有点过分：

skillgrade init  # 创建评估用例
skillgrade       # 运行评估

第一条命令帮你生成评估模板，第二条直接跑。没有复杂的配置文件，没有让你先搭一套基础设施的前置条件。

为什么你需要给 Agent 做评估

搭过 Agent 的人都知道一个痛点：你改了一版 prompt，效果好像变好了，又好像没有。到底是真的提升了，还是你刚好测了几个顺眼的 case？说白了，没有系统化的评估，你就是在凭感觉调参。

skillgrade 把这件事标准化了。它的定位很明确——给 Agent 的技能做"单元测试"。就像你写代码要跑 test 一样，Agent 的每个技能也应该有对应的评估用例，改了东西就跑一遍，心里有数。

安全沙箱，默认就有

一个值得注意的设计：skillgrade 默认在 Docker 沙箱容器中运行评估。这意味着你的 Agent 在评估过程中不会意外操作到真实环境。对于那些涉及文件操作、API 调用的 Agent 技能来说，这不是锦上添花，是刚需。

项目现状

skillgrade 目前在 GitHub 上开源，已经拿到了 247 个 star，14 个 fork。项目还比较早期，但核心功能已经可用。作者 Minko Gechev 把它设计得足够轻量，上手门槛很低。

如果你正在搭建 AI Agent，尤其是技能越堆越多、prompt 越改越乱的阶段，强烈建议把评估这件事提上日程。与其每次改完凭直觉判断"好像行了"，不如跑一遍 skillgrade，让数据说话。