為什麼這很重要
當您建立一項技能，或將它們打包成外掛程式時，您實際上是在建立一個其他人會使用的小型產品。就像您交給同事的任何東西一樣——範本、試算表模型、檢查清單——在它離開您的桌子之前，值得先試駕一下。
當您使用自己建立的技能時，您知道如何解決任何問題或失敗。您確切知道該問什麼、該提供什麼檔案，以及答案應該是什麼樣子。但團隊成員並不具備這些知識。他們可能會用稍微不同的方式表達請求，提供稍微不同的輸入，或遇到邊緣案例——一種不尋常但真實的情況，例如超出技能設計範圍的請求。這正是技能容易出錯的地方，而使用它的人並不會知道原因。
透過評估（evals，evaluations 的簡稱）來測試技能，是在別人發現問題之前先自己抓出這些失誤的方法。別讓這個詞嚇到您。評估只是一次試用：輸入一個真實的請求，您查看輸出的結果，然後告訴 Claude 該修正什麼。不需要程式碼，不需要測試腳本——只需要您的判斷，判斷這個結果是否足夠好，值得您掛上自己的名字。
評估系統如何運作
當您使用 skill-creator——Claude 內建的技能建立輔助工具——來建立技能時，它會在整個流程中引導您完成評估。以下是實際的運作方式。
Skill-creator 會想出兩個或更多個有人可能會用在您的技能上的真實提示。對於每個提示，它會產生一對輸出：
- 一個是 Claude 使用您的技能所產生的
- 另一個是 Claude 在沒有您的技能的情況下，回答同一個提示所產生的
第二個輸出就是比較的基準點。它的存在是為了讓您可以並排比較，看看您的技能實際帶來了什麼差異——不只是「這個輸出還可以嗎」，而是「這個輸出是否比 Claude 自己做出來的結果更好」。
檢視每一對輸出，並直接在審查頁面上用平實的語言給予回饋。當您閱讀每一對輸出時，您其實只是在回答兩個問題：
- 這個技能版本是我會使用的那個嗎？如果是，很好——記下是什麼讓它變得更好，以便技能能持續保持這一點。
- 如果不是，缺少了什麼，或哪裡不對？請具體說明。「語氣太正式了」或「它漏掉了執行摘要」能讓 Claude 有明確的方向可以採取行動；「這不太對」則做不到。
一旦您提交了回饋，Claude 就會根據您所說的內容為您修訂該技能。
反覆改進技能
您的回饋就是修正的依據。一旦您提交回饋，Claude 就會更新技能——重寫指示、調整範例、收緊它所要求的內容——然後您可以再次執行相同的提示，看看這個改變是否確實生效。
一次只改變一件事。如果第一輪顯示該技能太冗長而且缺少某個部分，請挑選其中較重要的那一項，先修正它，重新執行，然後再回來進行另一次審查。這樣您就能分辨出真正產生影響的是哪個改變。如果修訂後您仍然不滿意輸出結果，就再執行一次——這是一個循環，不是一次性的關卡。大多數技能在一到兩輪之後就準備好了。發布一項技能的標準——無論是給自己用，還是給團隊成員用——並不是要求評估完美無缺。而是您在意的那些案例，表現明顯優於基準，並且您已經明確指出哪些案例您目前還無法處理。
如果輸出在第一次就已經看起來很棒呢？那您就完成了。評估不是一個必須跳過的障礙——它們的存在，是為了在您需要信心的時候提供信心，而不是為了走個形式。
現在就試試看
請在下方逐步完成一次模擬評估審查——三個提示，每個都有使用技能與未使用技能的輸出並排呈現。
對於每一對輸出：選出您實際上會送出的版本，並寫下一行您會給 Claude 的回饋。這就是整個循環。
接下來是什麼
在下一課中，您將從「這對我有效」進展到「這對團隊有效」——也就是那些能將個人工作流程轉變為共享基礎設施的模式與選擇。