01 / TOOLING · EVALUATIONGitHub
skillfit
在相同任务上比较 Skill、规则和 MCP 配置,同时看任务质量、触发行为与 Token 成本。
相同任务 · 配对运行
A基线配置
/B新配置
任务质量触发行为Token 成本
计算机科学 · 香港
构建 Agent,也认真评测它。
我在香港大学读计算机科学硕士。平时做一些 Agent 工具和评测实验,也把过程中的发现记下来。
Harness / 评测 / 从反馈中改进


01 / 项目
围绕 Agent 的工具与实验。
在相同任务上比较 Skill、规则和 MCP 配置,同时看任务质量、触发行为与 Token 成本。
用于评测中文工具调用 Agent 的实验环境。操作会改变后续状态,评测同时检查最终结果与执行轨迹。
02 / OPEN SOURCE
给自己使用和关注的开源项目做的一些贡献。
03 / 笔记
阅读、参考资料,以及想留下的发现。
打个招呼
可以聊聊项目里的问题,也欢迎交换想法。