AI写代码十分钟，验证要三小时？GitHub官方出品的这个Skill让Agent学会自检

你代码写得飞快，但验证了吗？

AI 时代有个新矛盾：生成代码只要几分钟，验证代码可能要几小时。你让 AI 帮你写了个函数，它乖乖交差了——但边界情况对吗？安全漏洞扫了吗？跟项目风格一致吗？你还得从头review一遍。

GitHub 官方出的 agentic-eval，就是来解决这个问题的。

它是什么

这是一个让 AI Agent 学会「自检」的 Skill。装上之后，Agent 不是写完就完事，而是会自动走一个评估→批判→改进的循环，直到质量达标才收手。

核心给了三套模式：

• Basic Reflection：让 Agent 自己review自己的输出，发现问题就改，改完再review，循环最多3轮。
• Evaluator-Optimizer：把「生成」和「评估」拆成两个独立步骤，防止自己打分自己放水。
• Code-Specific Test-Driven Refinement：自动生成测试用例，跑过了才算过——这才是真正的测试驱动开发。

用在哪里

最适合这几类任务：

• 重要代码生成（支付、安全模块、核心算法）——不能有漏网bug
• 报告和分析类任务——要求结构清晰、数据准确
• 代码重构——有测试用例护体，改完不引入新问题
• 建立 CI 流程——每次 commit 自动触发评估

怎么装

一行命令搞定：

npx skills add https://github.com/github/awesome-copilot --skill agentic-eval

支持 Claude Code、Cursor、GitHub Copilot、Windsurf、OpenClaw 等所有主流 AI 编程工具。

为什么值得关注

GitHub 官方出品，awesome-copilot 仓库累计 27.4K stars，这个 Skill 每周还有 7.9K 的新增安装——完全经过社区验证。

它本质上解决的是一个认知错配：以前我们觉得 AI 写得越多越好，但现在越来越多人意识到——AI 写代码不值钱，能验证代码的 AI 才值钱。

GitHub：https://github.com/github/awesome-copilot/tree/main/skills/agentic-eval

GitHub: https://github.com/github/awesome-copilot/tree/main/skills/agentic-eval