Summary
MixSeekの評価設定ファイル(evaluator.toml、judgment.toml)を生成します。「評価設定を作成」「スコアリング設定」「判定設定を作って」「メトリクスを設定」といった依頼で使用してください。Submissionの評価基準と最終判定ロジックを定義します。
drillan/mixseek-plus · Archived
MixSeekの評価設定ファイル(evaluator.toml、judgment.toml)を生成します。「評価設定を作成」「スコアリング設定」「判定設定を作って」「メトリクスを設定」といった依頼で使用してください。Submissionの評価基準と最終判定ロジックを定義します。
npx skills add drillan/mixseek-plus --skill mixseek-evaluator-config
MixSeekの評価設定ファイル(evaluator.toml、judgment.toml)を生成します。「評価設定を作成」「スコアリング設定」「判定設定を作って」「メトリクスを設定」といった依頼で使用してください。Submissionの評価基準と最終判定ロジックを定義します。
This repository is archived — consider an actively maintained alternative.
MixSeekのオーケストレーター設定ファイル(orchestrator.toml)を生成します。「オーケストレーター…
11 installsMixSeekワークスペースを初期化し、設定ファイル用ディレクトリ構造を作成します。「ワークスペースを…
10 installsMixSeekのチーム設定ファイル(team.toml)を生成します。「チームを作成」「エージェント設定を生成…
10 installsMixSeek Agent Skills collection for AI coding assistants. Provides workspace management, team c…
10 installsRelated neighbors and high-traction skills in the same topics — useful to compare before installing.
INVOKE THIS SKILL when building evaluation pipelines for LangSmith. Covers three core component…
4.2K installsEvaluate models, datasets, and agents with the NeMo Evaluator plugin. Use for metric selection,…
1.8K installsHandles LLM-as-judge evaluation workflows on Arize including creating/updating evaluators, runn…
1.1K installsHandles LLM-as-judge and code evaluator workflows on Arize including creating/updating evaluato…
2.5K installsTechnology stack evaluation and comparison with TCO analysis, security assessment, and ecosyste…
904 installsEvaluates LLMs across 100+ benchmarks from 18+ harnesses (MMLU, HumanEval, GSM8K, safety, VLM) …
741 installsOther skills from drillan/mixseek-plus.
npx skills add drillan/mixseek-plus
Declared targets from SKILL.md / docs. Unmarked agents are not listed — the skill may still install via the CLI.
main
Parsed from SKILL.md frontmatter.
Files included with this skill beyond the listing page.
SKILL.md
8,449 B
SUMMARY.md
361 B
MixSeek-Coreの評価設定ファイル(evaluator.toml)と判定設定ファイル(judgment.toml)を生成します。TUMIXトーナメントにおけるSubmissionの評価基準、スコアリング方法、最終判定ロジックを定義します。
mixseek-workspace-init参照)MIXSEEK_WORKSPACE が設定されていること(推奨)| ファイル | 用途 | 配置場所 |
|---|---|---|
evaluator.toml |
Submissionのスコアリング設定 | configs/evaluators/ |
judgment.toml |
最終判定の設定 | configs/judgment/ |
ユーザーに以下を確認してください:
標準メトリクスから選択:
| メトリクス | 説明 | 用途 |
|---|---|---|
ClarityCoherence |
明確性と一貫性 | 読みやすさ重視のタスク |
Coverage |
カバレッジ | 網羅性重視のタスク |
LLMPlain |
汎用LLM評価 | カスタム評価基準が必要なタスク |
Relevance |
関連性 | 的確さ重視のタスク |
evaluator.toml:
default_model = "google-gla:gemini-2.5-pro"
temperature = 0.0
[[metrics]]
name = "ClarityCoherence"
weight = 0.34
[[metrics]]
name = "Coverage"
weight = 0.33
[[metrics]]
name = "Relevance"
weight = 0.33
judgment.toml:
model = "google-gla:gemini-2.5-pro"
temperature = 0.0
timeout_seconds = 60
$MIXSEEK_WORKSPACE/configs/evaluators/evaluator.toml
$MIXSEEK_WORKSPACE/configs/judgment/judgment.toml
重要: カスタムパス(configs/evaluators/やconfigs/judgment/)を使用する場合は、必ずorchestrator.tomlでパスを明示的に指定してください。指定しないとデフォルトパス(configs/evaluator.toml、configs/judgment.toml)が検索され、設定が反映されません。
# orchestrator.toml
[orchestrator]
evaluator_config = "configs/evaluators/evaluator.toml"
judgment_config = "configs/judgment/judgment.toml"
生成後は必ず検証を実行してください。
# Evaluator設定の検証
uv run python skills/mixseek-config-validate/scripts/validate-config.py \
$MIXSEEK_WORKSPACE/configs/evaluators/evaluator.toml --type evaluator
# Judgment設定の検証
uv run python skills/mixseek-config-validate/scripts/validate-config.py \
$MIXSEEK_WORKSPACE/configs/judgment/judgment.toml --type judgment
検証が成功したら、ユーザーに結果を報告します。失敗した場合は、エラー内容を確認して設定を修正してください。
回答の読みやすさと論理的一貫性を評価します。
評価観点:
推奨用途:
質問に対する回答の網羅性を評価します。
評価観点:
推奨用途:
回答が質問に対してどれだけ的確かを評価します。
評価観点:
推奨用途:
system_instructionで定義したカスタム評価基準に基づいてLLMが評価します。
特徴:
system_instructionで完全にカスタマイズ可能推奨用途:
設定例:
[[metrics]]
name = "LLMPlain"
weight = 0.5
system_instruction = """
セキュリティ観点から回答を評価してください:
1. 機密情報の漏洩リスク
2. 安全なコーディング実践
3. 脆弱性の有無
0-100のスコアで評価してください。
"""
User: 評価設定を作成して
Agent: 評価設定を提案します。
メトリクス(均等重み付け):
- ClarityCoherence: 33.4%
- Coverage: 33.3%
- Relevance: 33.3%
この構成でよろしいですか?
User: はい
Agent: 設定ファイルを生成しました:
✓ configs/evaluators/evaluator.toml
✓ configs/judgment/judgment.toml
User: 正確性を重視した評価設定を作って
Agent: 関連性(Relevance)を重視した設定を提案します。
メトリクス:
- Relevance: 50%(重視)
- ClarityCoherence: 30%
- Coverage: 20%
この構成でよろしいですか?
User: はい
evaluator.toml(カスタム重み付け):
# MixSeek Evaluator Configuration
# Generated by mixseek-evaluator-config skill
default_model = "google-gla:gemini-2.5-pro"
temperature = 0.0
timeout_seconds = 300
max_retries = 3
[[metrics]]
name = "Relevance"
weight = 0.5
[[metrics]]
name = "ClarityCoherence"
weight = 0.3
[[metrics]]
name = "Coverage"
weight = 0.2
judgment.toml:
# MixSeek Judgment Configuration
# Generated by mixseek-evaluator-config skill
model = "google-gla:gemini-2.5-pro"
temperature = 0.0
timeout_seconds = 60
max_retries = 3
重み付けには以下のルールがあります:
# 有効: 全て指定
[[metrics]]
name = "ClarityCoherence"
weight = 0.5
[[metrics]]
name = "Coverage"
weight = 0.5
# 有効: 全て省略(均等配分)
[[metrics]]
name = "ClarityCoherence"
[[metrics]]
name = "Coverage"
# 無効: 一部のみ指定
[[metrics]]
name = "ClarityCoherence"
weight = 0.5 # ❌
[[metrics]]
name = "Coverage"
# weight省略 ❌
Error: Weights must sum to 1.0
解決方法:
Error: Unknown metric name
解決方法:
ClarityCoherence, Coverage, LLMPlain, Relevance解決方法:
judgment.tomlのtemperatureを0.0に設定(決定論的)seedを固定値に設定references/TOML-SCHEMA.mdreferences/METRICS.mdskills/mixseek-orchestrator-config/