AI 资源库 · 已整理 2 项
查看与失败分析相关的 AI 资讯、工具、Skill、工作流和开源项目。
MrBinnacle/skills · Skills that started with problems I encountered.
该仓库以 Markdown 记录编码智能体在实际工程中犯过的失败，例如 git pull 静默改写本地历史、部署确认误判、测试因桩代码而误通过等；每条记录包含失败日志和证据说明，并附带 Claude Code 可加载的 SKILL.md 指令文件。仓库明确说明多数失败仅被观察到一次，只有 pull-rebase 做过受控测试且未得出有效结论，因此不声称技能能减少失败。用户可仅阅读文档而不安装，也可按工程、编排、元技能三组安装插件。
Shu-Chenzy/claude-scientific-eval · A 30-task expert-curated evaluation of frontier models on experimental and translational cancer biology: evidence grounding, causal reasoning, target prioritization, experimental design, failure detection
该项目是一个小型、盲评的试点评测，包含 6 个来自前列腺癌实验与转化研究的任务，用来考察 Claude 系列模型能否给出可支撑真实实验决策的输出。评测覆盖证据支撑、机制/因果推理、靶点优先级、实验设计、闭环决策与定量检测设计，采用 1–5 分六维评分、15 类预定义失败码，并记录拒答情况；作者强调其结果仅适用于这一狭窄任务切片，不能外推到整体科学推理能力。