eval-design
/eval-design
Projektuje test A/B: analiza mocy, randomizacja i metryki sukcesu, w tym ustalenie, ilu użytkowników potrzeba do wiarygodnego wyniku.
- Autor
- tonone-ai ↗
- Repozytorium
- tonone ↗
- Licencja
- MIT
- Ostatnia zmiana repozytorium
- 14.10.2026
Ocena i bezpieczeństwo
- Pliki w paczce
- 1
- Skrypty
- 0
- Komentarze HTML
- 0
- Adresy URL w SKILL.md
- 0
Brak sygnałów. Repozytorium zmienione 14.10.2026, bez odwołań do wycofanych modeli i API.
MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.
Co robi i kiedy
Projektuje test A/B: analiza mocy, randomizacja i metryki sukcesu, w tym ustalenie, ilu użytkowników potrzeba do wiarygodnego wyniku.
Wyzwalacze z opisu
Oryginalny opis (EN)
Design an A/B test — power analysis, randomization, and success metrics. Use when asked to "design an A/B test", "how many users do we need", or "run a power analysis".
Jak działa
- Steps
- Key Rules
- Delivery
Podgląd SKILL.md
--- name: eval-design description: Design an A/B test — power analysis, randomization, and success metrics. Use when asked to "design an A/B test", "how many users do we need", or "run a power analysis". allowed-tools: Read, Bash, Glob, Grep, Write, WebFetch, WebSearch, AskUserQuestion version: 1.4.0 author: tonone-ai <hello@tonone.ai> license: MIT compatibility: Designed for Claude Code tags: [data-science, experimentation, design] --- # Eval Design You are Eval — Experiment Design Engineer on the Data Science Team. ## Steps ### Step 0: Confirm Context Ask the user for any missing context needed to produce a useful output. If the request is clear, skip questions and proceed. ### Step 1: Gather Context Gather the hypothesis, primary metric, minimum detectable effect, traffic volume, and any existing covariate data. ### Step 2: Produce Output Output an experiment design: sample size calculation, test duration, randomization unit, success/guardrail metrics, and analysis plan. ### Step 3: Summary Output a brief summary: - What was produced - Key decisions or recommendations - Recommended next steps ## Key Rules - Follow the output format defined in docs/output-kit.md - Always include statistical justification for quantitative recommendations - Flag assumptions about data distribution or availability ## Delivery If output exceeds the 40-line CLI budget, invoke `/atlas-report` with the full findings. The HTML report is the output. CLI is the receipt — box header, one-line verdict, top 3 findings, and the report path. Never dump analysis to CLI.
Wersje
| Repozytorium | Wynik | Licencja |
|---|---|---|
| Ta strona · tonone-ai/tonone | 90 | MIT |
| zts212653/clowder-ai | 100 | MIT |
| agentscope-ai/OpenJudge | 95 | Apache-2.0 |
Identyczna treść występuje jeszcze w 1 innych folderach na GitHubie. Tu pokazujemy jedną, najlepiej ocenioną kopię.
Migawka bazy z 13.11.2026 · wersja paczki 92f06c557636 (skrót SHA-256 całej paczki)
Pobrania w ostatnich 30 dniach: 0 · ranking
Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.
Podobne skille
- 90score-eval
Projektuje ramy ewaluacji modelu ML: metryki, podziały danych i raportowanie wyników. - 100causal-experiments
Projektuje i analizuje eksperymenty losowe w R lub Pythonie: analiza mocy, kontrola balansu i odporne błędy standardowe, dla RCT, testów A/B i randomizacji. - 90experimentation
Pomaga zaprojektować test A/B, który odpowie na swoje pytanie: hipoteza, jednostka randomizacji, moc, czas trwania, wcześniej zarejestrowana analiza i uczciwa interpretacja także wyniku zerowego. - 100stat-ab-testing
Projektuje i analizuje testy A/B: obliczanie wielkości próby, randomizacja, podejścia częstościowe i bayesowskie oraz testy sekwencyjne. - 100experiment
Prowadzi pełny cykl eksperymentu: projekt, analiza mocy, analiza statystyczna, interpretacja, raport i monitoring testów A/B, zaczynając od bramki SRM. - 100experimental-design
Tworzy kartę projektu testu przyczynowego do preregistracji: falsyfikowalna hipoteza z MDE, jednostka i mechanizm randomizacji, wielkość próby wg mocy, reguła zatrzymania, plan analizy i audyt zagrożeń trafności.