Calibre Labs 开源 Reforge AI Evals 技能库，指导编码智能体搭建产品评测

Calibre 联合创始人 Sandhya Hegde 和 Justin Bauer 开源了 reforge-ai-evals 技能库，让 Claude Code、Codex、Cursor 等编码智能体为 AI 产品搭建评测，包括评分标准、数据集、trace 分析、代码评估器和 LLM-as-a-judge 提示词。库内含 8 个步骤技能如 eval-rubric、trace-codes、llm-align，并附三个智能体的 worked examples；用户保留读 trace 和标注输出两步以校准 judge，建议手工标注 20-40 条输出后按 TPR/TNR 校准、目标均超 90%。技能通过 npx skills 安装，读写纯文件，无需评测平台账号，代码 MIT 协议。