之前写过 Skill 的人都知道一个痛点：你不知道这个 Skill 到底加了多少…

之前写过 Skill 的人都知道一个痛点：你不知道这个 Skill 到底加了多少价值。

现在 Claude Code 新增了 claude plugin eval 功能，终于能系统地评测 Skill 效果了。

具体怎么用：

1. 先定义测试用例，覆盖你 Skill 想解决的各种场景
2. 跑一遍带 Skill 的完整流程，记录结果
3. 再跑一遍不带 Skill 的对照组
4. 对比两次结果，看 Skill 到底帮了多少忙

这个功能的意义在于：以前写 Skill 全靠感觉，觉得应该有用就上了。现在有了量化数据，哪些 Skill 真的值得保留、哪些只是增加了复杂度，一目了然。

对于想系统化管理 Skill 质量的团队来说，这算是补齐了最后一块拼图。