mirror of
https://github.com/affaan-m/everything-claude-code.git
synced 2026-04-08 02:03:34 +08:00
b3f8206d47
- 15 skill categories (17 files): coding-standards, tdd-workflow, frontend-patterns, backend-patterns, security-review (2 files), postgres-patterns, verification-loop, continuous-learning, continuous-learning-v2, eval-harness, iterative-retrieval, strategic-compact, golang-patterns, golang-testing, clickhouse-io, project-guidelines-example
271 lines
6.6 KiB
Markdown
271 lines
6.6 KiB
Markdown
---
|
|
name: eval-harness
|
|
description: 평가 주도 개발(EDD) 원칙을 구현하는 Claude Code 세션용 공식 평가 프레임워크
|
|
origin: ECC
|
|
tools: Read, Write, Edit, Bash, Grep, Glob
|
|
---
|
|
|
|
# 평가 하네스 스킬
|
|
|
|
Claude Code 세션을 위한 공식 평가 프레임워크로, 평가 주도 개발(EDD) 원칙을 구현합니다.
|
|
|
|
## 활성화 시점
|
|
|
|
- AI 지원 워크플로우에 평가 주도 개발(EDD) 설정 시
|
|
- Claude Code 작업 완료에 대한 합격/불합격 기준 정의 시
|
|
- pass@k 메트릭으로 에이전트 신뢰성 측정 시
|
|
- 프롬프트 또는 에이전트 변경에 대한 회귀 테스트 스위트 생성 시
|
|
- 모델 버전 간 에이전트 성능 벤치마킹 시
|
|
|
|
## 철학
|
|
|
|
평가 주도 개발은 평가를 "AI 개발의 단위 테스트"로 취급합니다:
|
|
- 구현 전에 예상 동작 정의
|
|
- 개발 중 지속적으로 평가 실행
|
|
- 각 변경 시 회귀 추적
|
|
- 신뢰성 측정을 위해 pass@k 메트릭 사용
|
|
|
|
## 평가 유형
|
|
|
|
### 기능 평가
|
|
Claude가 이전에 할 수 없었던 것을 할 수 있는지 테스트:
|
|
```markdown
|
|
[CAPABILITY EVAL: feature-name]
|
|
Task: Description of what Claude should accomplish
|
|
Success Criteria:
|
|
- [ ] Criterion 1
|
|
- [ ] Criterion 2
|
|
- [ ] Criterion 3
|
|
Expected Output: Description of expected result
|
|
```
|
|
|
|
### 회귀 평가
|
|
변경 사항이 기존 기능을 손상시키지 않는지 확인:
|
|
```markdown
|
|
[REGRESSION EVAL: feature-name]
|
|
Baseline: SHA or checkpoint name
|
|
Tests:
|
|
- existing-test-1: PASS/FAIL
|
|
- existing-test-2: PASS/FAIL
|
|
- existing-test-3: PASS/FAIL
|
|
Result: X/Y passed (previously Y/Y)
|
|
```
|
|
|
|
## 채점자 유형
|
|
|
|
### 1. 코드 기반 채점자
|
|
코드를 사용한 결정론적 검사:
|
|
```bash
|
|
# Check if file contains expected pattern
|
|
grep -q "export function handleAuth" src/auth.ts && echo "PASS" || echo "FAIL"
|
|
|
|
# Check if tests pass
|
|
npm test -- --testPathPattern="auth" && echo "PASS" || echo "FAIL"
|
|
|
|
# Check if build succeeds
|
|
npm run build && echo "PASS" || echo "FAIL"
|
|
```
|
|
|
|
### 2. 모델 기반 채점자
|
|
Claude를 사용하여 개방형 출력 평가:
|
|
```markdown
|
|
[MODEL GRADER PROMPT]
|
|
Evaluate the following code change:
|
|
1. Does it solve the stated problem?
|
|
2. Is it well-structured?
|
|
3. Are edge cases handled?
|
|
4. Is error handling appropriate?
|
|
|
|
Score: 1-5 (1=poor, 5=excellent)
|
|
Reasoning: [explanation]
|
|
```
|
|
|
|
### 3. 사람 채점자
|
|
수동 검토 플래그:
|
|
```markdown
|
|
[HUMAN REVIEW REQUIRED]
|
|
Change: Description of what changed
|
|
Reason: Why human review is needed
|
|
Risk Level: LOW/MEDIUM/HIGH
|
|
```
|
|
|
|
## 메트릭
|
|
|
|
### pass@k
|
|
"k번 시도 중 최소 한 번 성공"
|
|
- pass@1: 첫 번째 시도 성공률
|
|
- pass@3: 3번 시도 내 성공
|
|
- 일반적인 목표: pass@3 > 90%
|
|
|
|
### pass^k
|
|
"k번 시행 모두 성공"
|
|
- 신뢰성에 대한 더 높은 기준
|
|
- pass^3: 3회 연속 성공
|
|
- 핵심 경로에 사용
|
|
|
|
## 평가 워크플로우
|
|
|
|
### 1. 정의 (코딩 전)
|
|
```markdown
|
|
## EVAL DEFINITION: feature-xyz
|
|
|
|
### Capability Evals
|
|
1. Can create new user account
|
|
2. Can validate email format
|
|
3. Can hash password securely
|
|
|
|
### Regression Evals
|
|
1. Existing login still works
|
|
2. Session management unchanged
|
|
3. Logout flow intact
|
|
|
|
### Success Metrics
|
|
- pass@3 > 90% for capability evals
|
|
- pass^3 = 100% for regression evals
|
|
```
|
|
|
|
### 2. 구현
|
|
정의된 평가를 통과하기 위한 코드 작성.
|
|
|
|
### 3. 평가
|
|
```bash
|
|
# Run capability evals
|
|
[Run each capability eval, record PASS/FAIL]
|
|
|
|
# Run regression evals
|
|
npm test -- --testPathPattern="existing"
|
|
|
|
# Generate report
|
|
```
|
|
|
|
### 4. 보고서
|
|
```markdown
|
|
EVAL REPORT: feature-xyz
|
|
========================
|
|
|
|
Capability Evals:
|
|
create-user: PASS (pass@1)
|
|
validate-email: PASS (pass@2)
|
|
hash-password: PASS (pass@1)
|
|
Overall: 3/3 passed
|
|
|
|
Regression Evals:
|
|
login-flow: PASS
|
|
session-mgmt: PASS
|
|
logout-flow: PASS
|
|
Overall: 3/3 passed
|
|
|
|
Metrics:
|
|
pass@1: 67% (2/3)
|
|
pass@3: 100% (3/3)
|
|
|
|
Status: READY FOR REVIEW
|
|
```
|
|
|
|
## 통합 패턴
|
|
|
|
### 구현 전
|
|
```
|
|
/eval define feature-name
|
|
```
|
|
`.claude/evals/feature-name.md`에 평가 정의 파일 생성
|
|
|
|
### 구현 중
|
|
```
|
|
/eval check feature-name
|
|
```
|
|
현재 평가를 실행하고 상태 보고
|
|
|
|
### 구현 후
|
|
```
|
|
/eval report feature-name
|
|
```
|
|
전체 평가 보고서 생성
|
|
|
|
## 평가 저장소
|
|
|
|
프로젝트에 평가 저장:
|
|
```
|
|
.claude/
|
|
evals/
|
|
feature-xyz.md # 평가 정의
|
|
feature-xyz.log # 평가 실행 이력
|
|
baseline.json # 회귀 베이스라인
|
|
```
|
|
|
|
## 모범 사례
|
|
|
|
1. **코딩 전에 평가 정의** - 성공 기준에 대한 명확한 사고를 강제
|
|
2. **자주 평가 실행** - 회귀를 조기에 포착
|
|
3. **시간에 따른 pass@k 추적** - 신뢰성 추세 모니터링
|
|
4. **가능하면 코드 채점자 사용** - 결정론적 > 확률적
|
|
5. **보안에는 사람 검토** - 보안 검사를 완전히 자동화하지 말 것
|
|
6. **평가를 빠르게 유지** - 느린 평가는 실행되지 않음
|
|
7. **코드와 함께 평가 버전 관리** - 평가는 일급 산출물
|
|
|
|
## 예시: 인증 추가
|
|
|
|
```markdown
|
|
## EVAL: add-authentication
|
|
|
|
### Phase 1: 정의 (10분)
|
|
Capability Evals:
|
|
- [ ] User can register with email/password
|
|
- [ ] User can login with valid credentials
|
|
- [ ] Invalid credentials rejected with proper error
|
|
- [ ] Sessions persist across page reloads
|
|
- [ ] Logout clears session
|
|
|
|
Regression Evals:
|
|
- [ ] Public routes still accessible
|
|
- [ ] API responses unchanged
|
|
- [ ] Database schema compatible
|
|
|
|
### Phase 2: 구현 (가변)
|
|
[Write code]
|
|
|
|
### Phase 3: 평가
|
|
Run: /eval check add-authentication
|
|
|
|
### Phase 4: 보고서
|
|
EVAL REPORT: add-authentication
|
|
==============================
|
|
Capability: 5/5 passed (pass@3: 100%)
|
|
Regression: 3/3 passed (pass^3: 100%)
|
|
Status: SHIP IT
|
|
```
|
|
|
|
## 제품 평가 (v1.8)
|
|
|
|
행동 품질을 단위 테스트만으로 포착할 수 없을 때 제품 평가를 사용하세요.
|
|
|
|
### 채점자 유형
|
|
|
|
1. 코드 채점자 (결정론적 어서션)
|
|
2. 규칙 채점자 (정규식/스키마 제약 조건)
|
|
3. 모델 채점자 (LLM 심사위원 루브릭)
|
|
4. 사람 채점자 (모호한 출력에 대한 수동 판정)
|
|
|
|
### pass@k 가이드
|
|
|
|
- `pass@1`: 직접 신뢰성
|
|
- `pass@3`: 제어된 재시도 하에서의 실용적 신뢰성
|
|
- `pass^3`: 안정성 테스트 (3회 모두 통과해야 함)
|
|
|
|
권장 임계값:
|
|
- 기능 평가: pass@3 >= 0.90
|
|
- 회귀 평가: 릴리스 핵심 경로에 pass^3 = 1.00
|
|
|
|
### 평가 안티패턴
|
|
|
|
- 알려진 평가 예시에 프롬프트 과적합
|
|
- 정상 경로 출력만 측정
|
|
- 합격률을 쫓으면서 비용과 지연 시간 변동 무시
|
|
- 릴리스 게이트에 불안정한 채점자 허용
|
|
|
|
### 최소 평가 산출물 레이아웃
|
|
|
|
- `.claude/evals/<feature>.md` 정의
|
|
- `.claude/evals/<feature>.log` 실행 이력
|
|
- `docs/releases/<version>/eval-summary.md` 릴리스 스냅샷
|