资讯
Anthropic Adds Plugin Evals to Claude Code: 6 Grader Types, a No-Plugin Baseline, and a CI Gate for Skills
📋总体概括
Anthropic为Claude Code发布了新的插件评估工作流，通过claude plugin eval命令让插件在真实提示词下运行，自动评判Claude的输出结果，并与不加载插件的基线运行进行对比。该机制回答了插件开发者此前无法量化的问题：技能是否被触发、输出质量是否有实质提升。方案包含6种评分器类型和可作为CI门禁的自动化检查，标志着Claude Code插件生态开始走向工程化、可测量的质量管理体系。
⚡关键信息
- ▸Anthropic为Claude Code推出plugin evals工作流，核心命令为claude plugin eval
- ▸评估机制会将插件运行结果与不加载插件的基线运行对比，量化插件实际贡献
- ▸提供6种评分器类型，可自动评判Claude产出质量
- ▸评估回答三个关键问题：技能是否触发、输出是否更好等此前无法测量的指标
- ▸评估可集成到CI流程中作为技能发布的质量门禁
🔥犀利点评
这步棋比表面看的重要得多。插件生态的死穴从来不是能力，而是不可验证——开发者根本不知道自己的skill有没有被触发、是不是在帮倒忙。Anthropic把no-plugin基线对比和CI门禁做成官方工作流，等于把插件开发从玄学拉进软件工程，这会让认真做插件的团队和糊弄的人迅速拉开差距。生态成熟的标志就是质量可以度量，Claude Code正在补上这一课。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 marktechpost.com 阅读全文 →