- name
SKILL.md
Die Skill-Datei bleibt im Repository des Herausgebers.
Fügen Sie den kopierten Befehl in ein Terminal ein. Er installiert diese SKILL.md in dem jeweiligen Agenten.
npx skills add coco-research/coco --skill agent-self-eval -a cursor -yFügen Sie den kopierten Befehl in ein Terminal ein. Er installiert diese SKILL.md in dem jeweiligen Agenten.
npx skills add coco-research/coco --skill agent-self-eval -a claude-code -yFügen Sie den kopierten Befehl in ein Terminal ein. Er installiert diese SKILL.md in dem jeweiligen Agenten.
npx skills add coco-research/coco --skill agent-self-eval -a codex -yFügen Sie den kopierten Befehl in ein Terminal ein. Er installiert diese SKILL.md in dem jeweiligen Agenten.
npx skills add coco-research/coco --skill agent-self-eval -a grok -ySenden Sie die kopierte Nachricht in einem Grok Bot-Chat. Der Bot ruft diese SKILL.md von GitHub ab und fügt sie den Skills hinzu, die alle Ihre Bots gemeinsam nutzen.
Install this skill: https://github.com/coco-research/coco/tree/HEAD/skills/agent-self-evalVom Herausgeber
@agents/PROMPT-DEFENSE.md
Score your own output (or another agent's output) across four axes to identify quality gaps and feed improvements into the learning system.
/team:* pipeline run/gsd-execute-phase for quality tracking5 — Exceptional: no reasonable improvement possible
4 — Good: minor nits only, no substantive gaps
3 — Adequate: meets request but has notable weakness on ≥1 axis
2 — Weak: clear gap affecting usability or correctness
1 — Poor: fundamentally misses request or contains significant errors
Every score below 5 MUST cite specific evidence. A score of 3 cannot just say "could be better" — it must say exactly what is missing or wrong. "Show the gap, don't just name it."
Gather:
Rate 1-5 with mandatory evidence for scores <5.
SELF-EVALUATION REPORT
======================
Task: {brief description}
Overall: {weighted average}/5
CORRECTNESS: {score}/5
Evidence: {specific finding or "No issues found"}
CLARITY: {score}/5
Evidence: {specific finding or "No issues found"}
ACTIONABILITY: {score}/5
Evidence: {specific finding or "No issues found"}
CONCISENESS: {score}/5
Evidence: {specific finding or "No issues found"}
IMPROVEMENT INSTINCTS:
- {trigger} → {action} (confidence: {0.3-0.9})
If learning system is active (PR-27+), auto-generate instinct YAML from findings:
---
id: eval-{task-slug}-{axis-lowercase}
trigger: "when {task type}"
action: "{specific improvement}"
confidence: 0.6
domain: quality
source: self-eval
scope: project
---
/team:verify invokes self-eval on Layer 2 output before Layer 3 review/gsd-execute-phase runs self-eval per subagent, aggregates in SUMMARY.mdPost-run self-evaluation system that scores agent output on correctness, clarity, actionability, and conciseness. Use after /team runs, skill executions, or when explicitly asked to evaluate output qu
---name: agent-self-evaldescription: Post-run self-evaluation system that scores agent output on correctness, clarity, actionability, and…---# skills/agent-self-eval/SKILL.mdÜbersicht
Post-run self-evaluation system that scores agent output on correctness, clarity, actionability, and conciseness. Use after /team runs, skill executions, or when explicitly asked to evaluate output quality.
FAQ
Laden Sie skills/agent-self-eval/SKILL.md vom Herausgeber herunter oder kopieren Sie den Pfad und öffnen Sie das Repository. PlugMCP listet den Skill und hostet die Datei nicht.
Der Herausgeber pflegt es unter https://github.com/coco-research/coco.
Claude, Cursor, Codex und Grok Build können eine SKILL.md lesen, die Sie aus dem Repository des Herausgebers hinzufügen. Grok Bot installiert sie, wenn Sie den Link zum GitHub-Ordner des Skills in einem Chat senden.