Model Evaluation

Tìm hiểu skill agentic-engineering để thực thi theo hướng eval-first, chia nhỏ tác vụ, định tuyến mô hình, và tự động hóa quy trình an toàn hơn với các kiểm tra hồi quy.

prompt-governance là một Claude skill để quản lý prompt production như các tài sản có phiên bản, được review và kiểm thử. Dùng kỹ năng này để lập kế hoạch prompt registries, regression tests, A/B experiments, eval pipelines, release approvals và rollback workflows cho các tính năng AI.

senior-prompt-engineer là skill Prompt Writing không phụ thuộc model, dành cho tối ưu prompt dựa trên eval, kiểm tra chất lượng RAG, xác thực workflow của agent và lập ngân sách token/chi phí. Skill này bao gồm tài liệu tham khảo cùng các công cụ Python để phân tích prompt, đo lường RAG metrics và điều phối agent.

senior-data-scientist là một Claude skill dành cho thiết kế A/B test, suy luận nhân quả, feature engineering và đánh giá tabular ML. Dùng skill này để định hướng tính cỡ mẫu, chọn metric, kiểm tra leakage, rà soát SHAP và theo dõi kiểu MLflow; các script chỉ là mẫu scaffold, không phải engine hoàn chỉnh.

llm-patterns giúp bạn thiết kế logic ứng dụng ưu tiên AI, trong đó LLM đảm nhiệm suy luận, trích xuất và sinh nội dung, còn code xử lý xác thực, định tuyến và xử lý lỗi. Hãy dùng kỹ năng llm-patterns để có cấu trúc prompt rõ ràng hơn, quy trình LLM có thể kiểm thử, và hướng dẫn thực tế cho Skill Authoring.