SkillFeeder › 全部 Skill › Bug与质量 › subwave-llm-bench
用真实电台场景批量测试并对比不同LLM模型的稳定性与规则遵循能力
subwave-llm-bench
subwave-llm-bench 是 SkillFeeder 收录的Agent Skill，来自 GitHub 仓库 perminder-klair/subwave，★ 1,552。用真实电台场景批量测试并对比不同LLM模型的稳定性与规则遵循能力。适合电台AI工程师、LLM选型负责人。场景是Bug与质量 · 测试验证。能做的事包括自动评分可靠性与硬性规则执行准确率、支持矩阵式多模型/多提供方并行对比。打开 GitHub 自行安装。
能做什么
- 自动评分可靠性与硬性规则执行准确率
- 支持矩阵式多模型/多提供方并行对比
原文简介
Benchmark and compare LLM models for SUB/WAVE's on-air calls — track picks, segments, listener requests, DJ scripts, banter, and programme beats — in pool, agent and Track Shortlist modes, using controller/scripts/llm-bench (the matrix harness) or the legacy picker-only controller/scripts/picker-test.mjs. Use this skill whenever the user wants to assess, benchmark, compare, or test which LLM model
同场景推荐
- finishing-a-development-branch所在仓库 obra/superpowers，仓库 ★ 314,917自动验证测试、识别环境、提供并执行合并策略，完成开发分支收尾
- test-driven-development所在仓库 obra/superpowers，仓库 ★ 314,917先写失败测试，再写最小实现代码，确保每次交付都经测试验证
- verification-before-completion所在仓库 obra/superpowers，仓库 ★ 314,917运行验证命令并确认输出后，才声明任务完成或修复成功。
- writing-plans所在仓库 obra/superpowers，仓库 ★ 314,917根据需求规格生成可直接执行的工程师级实现计划
- writing-skills所在仓库 obra/superpowers，仓库 ★ 314,917用测试驱动方式编写、修改和验证 agent 技能文档
- agent-runtime-gateway-smoke-test所在仓库 affaan-m/ECC，仓库 ★ 300,014端到端验证本地 agent API、临时网关隧道与远程沙箱回调链路
- ai-regression-testing所在仓库 affaan-m/ECC，仓库 ★ 300,014自动检测AI自写自审引入的回归缺陷，无需数据库即可运行沙箱测试。
- api-connector-builder所在仓库 affaan-m/ECC，仓库 ★ 300,014按项目现有风格快速生成合规的 API 连接器