mirror of
https://github.com/affaan-m/everything-claude-code.git
synced 2026-06-13 03:33:15 +08:00
Affaan Mustafa
121 lines
2.4 KiB
Markdown
121 lines
2.4 KiB
Markdown
# Evalコマンド
|
|
|
|
評価駆動開発ワークフローを管理します。
|
|
|
|
## 使用方法
|
|
|
|
`/eval [define|check|report|list] [機能名]`
|
|
|
|
## Evalの定義
|
|
|
|
`/eval define 機能名`
|
|
|
|
新しい評価定義を作成します。
|
|
|
|
1. テンプレートを使用して `.claude/evals/機能名.md` を作成:
|
|
|
|
```markdown
|
|
## EVAL: 機能名
|
|
作成日: $(date)
|
|
|
|
### 機能評価
|
|
- [ ] [機能1の説明]
|
|
- [ ] [機能2の説明]
|
|
|
|
### 回帰評価
|
|
- [ ] [既存の動作1が正常に動作する]
|
|
- [ ] [既存の動作2が正常に動作する]
|
|
|
|
### 成功基準
|
|
- 機能評価: pass@3 > 90%
|
|
- 回帰評価: pass^3 = 100%
|
|
```
|
|
|
|
2. ユーザーに具体的な基準を記入するよう促す
|
|
|
|
## Evalのチェック
|
|
|
|
`/eval check 機能名`
|
|
|
|
機能の評価を実行します。
|
|
|
|
1. `.claude/evals/機能名.md` から評価定義を読み込む
|
|
2. 各機能評価について:
|
|
- 基準の検証を試行
|
|
- PASS/FAILを記録
|
|
- `.claude/evals/機能名.log` に試行を記録
|
|
3. 各回帰評価について:
|
|
- 関連するテストを実行
|
|
- ベースラインと比較
|
|
- PASS/FAILを記録
|
|
4. 現在のステータスを報告:
|
|
|
|
```
|
|
EVAL CHECK: 機能名
|
|
========================
|
|
機能評価: X/Y 合格
|
|
回帰評価: X/Y 合格
|
|
ステータス: 進行中 / 準備完了
|
|
```
|
|
|
|
## Evalの報告
|
|
|
|
`/eval report 機能名`
|
|
|
|
包括的な評価レポートを生成します。
|
|
|
|
```
|
|
EVAL REPORT: 機能名
|
|
=========================
|
|
生成日時: $(date)
|
|
|
|
機能評価
|
|
----------------
|
|
[eval-1]: PASS (pass@1)
|
|
[eval-2]: PASS (pass@2) - 再試行が必要でした
|
|
[eval-3]: FAIL - 備考を参照
|
|
|
|
回帰評価
|
|
----------------
|
|
[test-1]: PASS
|
|
[test-2]: PASS
|
|
[test-3]: PASS
|
|
|
|
メトリクス
|
|
-------
|
|
機能評価 pass@1: 67%
|
|
機能評価 pass@3: 100%
|
|
回帰評価 pass^3: 100%
|
|
|
|
備考
|
|
-----
|
|
[問題、エッジケース、または観察事項]
|
|
|
|
推奨事項
|
|
--------------
|
|
[リリース可 / 要修正 / ブロック中]
|
|
```
|
|
|
|
## Evalのリスト表示
|
|
|
|
`/eval list`
|
|
|
|
すべての評価定義を表示します。
|
|
|
|
```
|
|
EVAL 定義一覧
|
|
================
|
|
feature-auth [3/5 合格] 進行中
|
|
feature-search [5/5 合格] 準備完了
|
|
feature-export [0/4 合格] 未着手
|
|
```
|
|
|
|
## 引数
|
|
|
|
$ARGUMENTS:
|
|
- `define <名前>` - 新しい評価定義を作成
|
|
- `check <名前>` - 評価を実行してチェック
|
|
- `report <名前>` - 完全なレポートを生成
|
|
- `list` - すべての評価を表示
|
|
- `clean` - 古い評価ログを削除（最新10件を保持）
|