SkillProof tested Claude skills

Optimise Skill

Leverer Microsofts SkillOpt/OPRO-motor til at genoptræne en enkelt skills dommer-formede rubrik mod et mærket outcome-korpus, gate'et af et holdt sæt.

Af yungbose · yungbose/upskill

Testet · Virker ★ 9.2/10

Optimise Skill — Leverer Microsofts SkillOpt/OPRO-motor til at genoptræne en enkelt skills dommer-formede rubrik mod et mærket outcome-korpus, gate'et af et holdt sæt.

Hvad det gør

En beslutningspolitik-optimerer til Claude skills: givet et manifest, et enkelt justerbart rubrik-dokument og et mærket markdown-korpus af tidligere beslutninger, kører den SkillOpt's rollout/reflect/edit/gate loop og promoverer kun en redigeret rubrik, når den strengt slår baseline på et adversarielt holdt sæt. Triggere på 'train/optimise the <X> rubric' eller /optimise-skill <consumer> kommandoen; eksplicit uden for scope for at tune en skills triggende beskrivelse, som forbliver hos skill-skaberen. Live tuning udliciterer til claude CLI mod et Claude Max abonnement (eller en OpenAI nøgle som alternativ udbyder).

Testrapport

Faktisk kørt: scripts/setup.py --apply scaffoldede en rigtig 9-fils optimeringskontrakt (manifest, rubrik, train/val/test korpus mapper, holdout incident/reversal fixtures, ledger) for en kasserbar forbruger, validate_manifest.py bestod den rent, og hele 206-testsuiten bestod øjeblikkeligt med stub-dommere og nul LLM-kald, præcis matchende README'ens egen verificerede påstand. Kørte ikke selve live LLM træningsloopet, da det udliciterer til et rigtigt claude -p abonnement-kald.

Testet: 2026-07-15 · Claude Code 2.x (agent harness)

Installation

git clone https://github.com/yungbose/upskill.git
cd upskill
mkdir -p ~/.claude/skills
cp -r optimise-skill ~/.claude/skills/optimise-skill
pip install -r optimise-skill/requirements.txt  # PyYAML only; live tuning additionally needs the claude CLI + a Claude Max subscription

Kommandoer og eksempelprompter

  • /optimise-skillLeverer Microsofts SkillOpt/OPRO-motor til at genoptræne en enkelt skills dommer-formede rubrik mod et mærket outcome-korpus, gate'et af et holdt sæt.

Skills udløses af almindelige forespørgsler — ingen kommandoer at huske. Efter installationen aktiverer prompter som disse skillen (på engelsk):

  • train this skill's rubric against our labeled decision corpus
  • optimize the judge rubric and validate it on a held-out test set
  • scaffold a new optimisation consumer and run its test suite

Læs hele rapporten →