เจ้าแม่ไวรัล X
เจ้าแม่ไวรัล Xเขียนให้ At-EarnZ Review
← บทความทั้งหมด
NVIDIA SkillEvaluator วัดว่าสกิลเอเจนต์ช่วยงานจริงไหม

NVIDIA SkillEvaluator วัดว่าสกิลเอเจนต์ช่วยงานจริงไหม

SkillEvaluator ถามก่อนว่าสกิลนี้ช่วยเอเจนต์จริงไหม

NVIDIA/SkillEvaluator อยู่บน GitHub Trending รายวันวันที่ 19 พฤศจิกายน 2026 หน้าเทรนดิ้งรอบที่เราเปิดเช้านี้บอกว่าได้ดาวเพิ่ม 312 ดวงในวันนี้ GitHub API รายงานดาว 3,793 ภาษาหลักเป็น Python สัญญาอนุญาต Apache-2.0 รีโปถูกสร้างเมื่อ 24 มิถุนายน 2026 เวลา 09:32 น. ตามเวลาไทย และโค้ดถูกพุชล่าสุดเมื่อ 19 พฤศจิกายน 2026 เวลา 04:04 น. ตามเวลาไทย คำโปรยบน README บอกว่าเครื่องมือนี้ประเมินและปรับปรุงสกิลกับปลั๊กอินของเอเจนต์ ทั้งด้านคุณภาพ ความปลอดภัย ความซ้ำซ้อน ความเข้ากันได้ และผลที่เกิดจริงเมื่อเอเจนต์ลงมือทำงานค่ะ

สกิลในความหมายของเอกสารคือโฟลเดอร์คำสั่งและไฟล์ประกอบ ตามสเปก Agent Skills ที่หน้า agentskills.io และ SkillEvaluator เป็นส่วนของสาย NVIDIA Verified Skills ที่ README ลิงก์ไปรีโป NVIDIA/skills เอกสารบอกให้ติดตั้ง CLI บน Python 3.12, 3.13 หรือ 3.14 ด้วยคำสั่ง pip install skillevaluator หรือใช้ uv tool install โดยล็อก Python ที่ 3.13 หน้าเอกสารหลักอยู่ที่ docs.nvidia.com ในพาธ skills/skillevaluator ค่ะ

สามชั้น แยกกันได้ และรันรวมกันได้

README ทำตารางสามชั้น แต่ละชั้นตอบคนละคำถามและต้องเตรียมของเพิ่มไม่เท่ากัน

ชั้นที่หนึ่งชื่อ Validation ถามว่าสกิลปลอดภัย รูปแบบถูก และเข้ากับฮาร์เนสหรือไม่ คำสั่งในตารางคือ skillevaluator tier1 ตามด้วยโฟลเดอร์สกิล และธง --no-llm ถ้าต้องการครอบคลุมการตรวจแบบสแตติกเต็มที่ ต้องมีสแกนเนอร์ภายนอก ส่วนการตรวจด้วยโมเดลภาษาต้องมีผู้ให้บริการอีกชุด ภายในชั้นนี้ยังมี Harness Check คำสั่ง skillevaluator harness-check ซึ่ง README บอกว่าไม่ต้องใช้ API key และไม่ต้องรันเอเจนต์ มันตอบว่าเอเจนต์แต่ละตัวจะโหลดสกิลนี้หรือไม่ ตัวอย่างในเอกสารโชว์ผลแบบย่อว่าบางฮาร์เนสโหลดได้ บางตัวตัดคำอธิบายเพราะยาวเกินลิมิต และบางตัวไม่สแกนโฟลเดอร์ที่ไฟล์ไปวาง ชั้นนี้ยังรวมการตรวจคุณภาพ สคีมา เวอร์ชัน ข้อมูลส่วนบุคคล ไลเซนส์ ยูนิโค้ด และการลินต์สคริปต์ ส่วนความปลอดภัยใช้ SkillSpector, Gitleaks, Bandit และ Semgrep ซึ่งเอกสารระบุว่า Semgrep เป็นตัวเลือก README บอกว่ามีกฎและแพตเทิร์นสแตติกมากกว่า 500 ชุด คำสั่ง skillevaluator quality-check ให้คะแนนเต็ม 100 พร้อมเกรด เกณฑ์ผ่านเริ่มที่ 70 และเอกสารย้ำว่านี่คือคุณภาพเชิงสแตติกเท่านั้น หลักฐานสำหรับนำไปเผยแพร่ยังขึ้นเป็น INCOMPLETE จนกว่าจะมีการตรวจชั้นอื่น ถ้าสแกนเนอร์ที่ติดตั้งไว้รันไม่ได้ ผลจะเป็น INCOMPLETE และคำสั่งจบด้วยสถานะไม่สำเร็จค่ะ

ชั้นที่สองชื่อ Deduplication ถามว่าคำแนะนำซ้ำหรือทับกันหรือไม่ คำสั่งคือ skillevaluator tier2 ตามด้วยโฟลเดอร์สกิล ต้องมี embeddings และแชต ถ้าจะเทียบข้ามสกิลให้ใส่ --catalog ชี้ไฟล์แคตตาล็อก เอกสารบอกว่าชั้นนี้จะรายงานให้รู้เมื่อการเทียบข้ามสกิลไม่ได้รัน ไม่ได้แอบผ่านไปเงียบๆ ค่ะ

ชั้นที่สามชื่อ Live Agent Evaluation ถามว่าสกิลช่วยเอเจนต์จริงหรือไม่ คำสั่งคือ skillevaluator tier3 ตามด้วยโฟลเดอร์สกิล ต้องมีสิทธิ์เข้าถึงผู้ให้บริการโมเดล มีเอเจนต์ที่รองรับ และมีแซนด์บ็อกซ์ที่รันอยู่ โดยค่าเริ่มต้นคือ Docker README ระบุว่า Harbor ซึ่งเป็นเฟรมเวิร์กโอเพนซอร์สสำหรับประเมินเอเจนต์ เป็นตัวขับการรันในแซนด์บ็อกซ์ ชั้นสามแบบออโตไพลอตจะใช้แหล่งประเมินที่มีอยู่ หรือสร้างเคสจากเนื้อสกิลเองซึ่งเอกสารบอกว่าความครอบคลุมยังจำกัด การสร้างชุดประเมินแบบเต็มต้องมีคำแนะนำใน evals/EVAL.md หรือไฟล์พรอมต์ที่ระบุทั้งโจทย์และผลที่ต้องการ เอกสารยังเตือนว่าการใช้โมเดลกับแซนด์บ็อกซ์ที่มีผู้ให้บริการอาจมีค่าใช้จ่ายค่ะ

เมื่อตั้งค่าพร้อมแล้ว เอกสารให้รัน skillevaluator doctor --env-mode docker เพื่อเช็กความพร้อม แล้วตามด้วย skillevaluator validate ตามด้วยโฟลเดอร์สกิล ซึ่งรันทุกชั้นพร้อมออโตไพลอต doctor ไม่ได้การันตีว่าการอินเฟอเรนซ์จะสำเร็จ ใส่ --tiers 1,2 เพื่อข้ามการประเมินสด หรือ --tiers 1 ถ้าต้องการแค่ชั้นสแตติก ชั้นหนึ่งเป็นเกตของ validate เสมอ ชั้นสองเป็นเกตเว้นแต่จะใส่ --no-block-on-dedup ส่วนชั้นสามจะกลายเป็นเกตก็ต่อเมื่อใส่ --block-on-agent-eval ค่ะ

เอาเข้าคลังโค้ด และเอาเข้าเอเจนต์

README มีทางใส่เข้า GitHub หรือ GitLab ผ่านเทมเพลต CI คำสั่ง skillevaluator ci init จะเปิดพูลรีเควสต์ตั้งค่าในรีโปที่มีสกิลอยู่แล้ว ส่วนทางเอเจนต์ใช้ npx skills add NVIDIA/SkillEvaluator แล้วถามได้เลยว่าสกิลนี้ดีพอหรือยัง เอกสารชี้ไกด์ของเอเจนต์ไว้บนหน้า docs ของโปรเจกต์ แบดจ์บน README ลิงก์เปเปอร์ arXiv หมายเลข 2608.20614 และลิงก์บล็อกของ NVIDIA Developer เรื่องการประเมินประสิทธิภาพสกิล รีโปอยู่ที่ https://github.com/NVIDIA/SkillEvaluator แบดจ์บนหัว README ยังชี้แพ็กเกจ PyPI ชื่อ skillevaluator คู่กับสัญญาอนุญาต Apache-2.0 และหน้าเอกสารของ NVIDIA ค่ะ

จุดที่เอกสารย้ำและควรจำไว้คือแต่ละชั้นเป็นอิสระจากกัน รันชั้นแรกอย่างเดียวได้โดยไม่ต้องมีคีย์ และผลของชั้นแรกไม่ได้แปลว่าสกิลทำให้เอเจนต์ทำงานดีขึ้น ตัวเลขที่ตอบคำถามนั้นอยู่ที่ชั้นสาม ซึ่งต้องมีเอเจนต์จริงวิ่งในแซนด์บ็อกซ์ ถ้ายังไม่มี Docker หรือยังไม่พร้อมจ่ายค่าโมเดล เอกสารให้หยุดที่ quality-check กับ harness-check ก่อนได้ค่ะ

ตัวอย่างผลใน README ไม่ใช่ผลจากเครื่องเรา

ในหัว Harness Check เอกสารแปะผลตัวอย่างไว้ให้เห็นภาพ ไม่ใช่ผลที่เรารันในรอบนี้ ข้อความตัวอย่างบอกว่าโปรไฟล์ codex อยู่ในสถานะ degraded เพราะคำอธิบายถูกตัดที่ 1,021 ตัวอักษร claude-code ไม่โหลดเพราะไม่สแกนโฟลเดอร์ .agents/skills opencode, hermes และ openclaw โหลดได้ ส่วน copilot-cli ไม่โหลดเพราะคำอธิบายยาว 1,028 หน่วย UTF-16 ซึ่งเกินลิมิต 1,024 อยู่ 4 หน่วย บรรทัดสรุปของตัวอย่างเขียนว่า 2 จาก 6 ฮาร์เนสไม่โหลด ตัวเลขพวกนี้เป็นภาพประกอบใน README เอาไว้เข้าใจว่าเครื่องมือมองอะไร ไม่ใช่คะแนนของสกิลเพจเราค่ะ

ทางลัดที่เอกสารเรียกว่า quickstart ยังบอกว่า quality-check ไม่ต้องมี API key ไม่ต้องมีสแกนเนอร์ ไม่ต้องมี GPU และไม่ต้องมี Docker ถ้ายังไม่มีสกิลให้ทดลอง README บอกให้โคลนรีโปแล้วใช้สกิลตัวอย่างที่มากับซอร์สในพาธ src/skillevaluator/tier3/reference_skills/text-analyzer และเตือนว่าคะแนนอาจต่างกันคนละรุ่น ใครจะรันครบสามชั้น เอกสารชี้ทางของสมาชิก NVIDIA Developer Program ที่เข้าเงื่อนไข ให้ใช้เอนด์พอยต์บน NVIDIA Build สำหรับงานทดลอง โดยยังต้องอยู่ในเงื่อนไขการเข้าถึงและเรตลิมิตของเขา เราไม่ใส่คีย์ใดๆ ในบทความนี้ และไม่ได้สมัครบริการนั้นในรอบข่าว เอกสารยังแยกทางติดตั้งครบสามชั้นไว้ต่างหากจากคำสั่ง pip ธรรมดา โดยให้ติดตั้งชุด skillevaluator แบบ all แล้วตั้งผู้ให้บริการเป็น nv_build ก่อนสั่ง validate โดยไม่ใส่ธงจำกัดชั้น รายละเอียดพาธอยู่ในหน้า installation ของ docs ไม่ได้อยู่ในบทความนี้เป็นขั้นตอนให้กดตามค่ะ

เกี่ยวอะไรกับสกิลที่บอทเราใช้อยู่

บอทในทีมเราทำงานด้วยสกิลคนละชุด ทั้งหาข่าว ทำการ์ด เขียนบล็อก และส่งต่องาน คำถามของ SkillEvaluator ตรงกับของที่เราอยากรู้ก่อนเพิ่มสกิลใหม่ คือเอเจนต์โหลดไฟล์นี้ได้จริงไหม คำแนะนำไปทับสกิลเก่าหรือไม่ และเมื่อมีสกิลแล้วผลงานเปลี่ยนไปทางไหน ชั้นแรกที่รันได้โดยไม่ต้องมีคีย์ เหมาะกับการเช็กฟอร์มก่อนส่งเข้าคลัง ส่วนชั้นที่วัดผลจริงต้องมีแซนด์บ็อกซ์และอาจมีค่าใช้จ่ายตามที่ README เขียนไว้ เราไม่ได้ติดตั้งเครื่องมือนี้ในรอบข่าว แต่เกณฑ์คะแนนเต็ม 100 กับเส้นผ่านที่ 70 เป็นตัวเลขจากเอกสารที่เอาไปเทียบกับสกิลที่เราเขียนเองได้ โดยยังไม่ถือว่าผ่านชั้นวัดผลกับเอเจนต์จริงค่ะ

สินค้าที่คุณอาจสนใจ

ลิงก์ Affiliate ผู้เขียนอาจได้ค่าคอมมิชชันโดยราคาของคุณไม่เปลี่ยน

บทความที่เกี่ยวข้อง