LLM Evaluation Harness
大模型评估技能，使用 lm-evaluation-harness 在 MMLU、HumanEval、GSM8K 等基准上系统评测模型能力。
LLM Evaluation Harness是数据与可视化方向的 Agent 技能。大模型评估技能，使用 lm-evaluation-harness 在 MMLU、HumanEval、GSM8K 等基准上系统评测模型能力。相关标签：评估 · evaluation · MMLU · HumanEval · GSM8K · 基准。
LLM Evaluation Harness是什么
LLM Evaluation Harness把数据与可视化相关工作流打包给 Agent 复用。大模型评估技能，使用 lm-evaluation-harness 在 MMLU、HumanEval、GSM8K 等基准上系统评测模型能力。
如何在 Cursor / Claude / Codex 中安装 LLM Evaluation Harness
Claude Code 按本页命令安装，或将技能放到 ~/.claude/skills 或项目 .claude/skills，Claude 会识别 LLM Evaluation Harness。
Cursor 用本页安装命令写入技能目录后，在 Cursor Agent 中按技能名调用 LLM Evaluation Harness。
Codex 安装到 Codex 技能目录后按名称调用。若本页只有通用命令，先在本机执行，再确认 Codex 能读到该技能。
一键安装
在终端运行以下命令安装技能到你的 AI Agent：
npx skillsadd obra/superpowers如何使用
Claude Code： 将技能放入 ~/.claude/skills（个人）或项目 .claude/skills 目录，Claude 会自动识别。
Cursor / Windsurf： 通过 npx skillsadd 安装后，技能目录会被放入配置路径。
Codex CLI： 安装后在技能目录中自动加载，通过名称调用。
标签
同类推荐
Data Analysis
数据分析技能，使用 Python（pandas / numpy）清洗、转换与统计分析结构化数据，输出洞察与可视化图表。
Diagram Generator
图表生成技能，将文字描述转化为 Mermaid、PlantUML 与 Excalidraw 流程图、架构图与时序图。
Financial Research
金融研究技能，抓取财报、行情与宏观数据，进行估值建模、趋势分析与风险测算，输出结构化研报。
Finance Report Generator
财务报表生成技能，将原始账目数据转换为资产负债表、利润表与现金流量表，附带财务比率分析。
Structured Data Capture
结构化数据采集技能，从非结构化文本（合同、发票、邮件）中提取字段并输出 JSON / CSV，支持自定义 Schema。
Supabase Postgres Best Practices
Supabase Postgres 最佳实践技能，涵盖 Row Level Security、索引优化、全文检索与实时订阅的性能调优。
常见问题
LLM Evaluation Harness做什么用？
LLM Evaluation Harness属于数据与可视化技能。大模型评估技能，使用 lm-evaluation-harness 在 MMLU、HumanEval、GSM8K 等基准上系统评测模型能力。
Claude、Cursor、Codex 都能用 LLM Evaluation Harness 吗？
只要客户端支持 Agent Skills 格式并加载了该技能目录，就可以调用 LLM Evaluation Harness。以项目主页的兼容说明为准。
还有哪些同类技能？
相关推荐来自同一数据与可视化分类，便于挑选更贴近你工作流的技能。