Prompt Sensei

Informe de la prueba

Puntué nueve 'prompts' del propio conjunto de calibración de 24 casos del repositorio dos veces — una en frío, otra siguiendo el cuerpo de la habilidad — y verifiqué ambos contra las bandas de puntuación esperadas y las etiquetas de consejos de los 'fixtures'. En frío, caí en la banda esperada 5 de 9 veces y caí directamente en dos trampas que los 'fixtures' señalan explícitamente: le dije a "fix this test" y "refactor the whole app" que especificaran un formato de salida, lo cual el 'fixture' marca como un consejo incorrecto para un 'prompt' de depuración. También puntuó "run the tests" en aproximadamente 15/100 como vago, donde la etapa de Acción de la habilidad lo lee correctamente como una directiva clara de seguimiento con un valor de 90+. Siguiendo el cuerpo de la habilidad: 9 de 9 en banda, cero trampas, porque la tabla de prioridad tipKind fuerza 'expected/actual' y 'scope' por delante del pulido de la respuesta. Advertencia que vale la pena mencionar claramente — los 'fixtures' se envían con la habilidad, por lo que la coincidencia de bandas es en parte una verificación de autoconsistencia; las ganancias no circulares son la trampa del formato de salida y la subpuntuación sistemática de los 'prompts' cortos. Las afirmaciones de almacenamiento se verifican: cero llamadas de red en los scripts compilados, un redactor real y cada bandera de consentimiento por defecto no concedida en una instalación nueva.

Probado el: 2026-07-17 · Claude Code 2.x (agent harness)