跳到主要内容
Supermarket
Evidence-based evaluation

看清一个 AI 能力,值不值得采用

面向 AI Skills、MCP Servers 与 Agent Packs 的公开评测。每个分数都连接到真实证据、风险说明与改进建议。

238
已有公开报告
5
公开评分维度
10
每周免费次数
How it works

从公开项目到可复核结论

只评估系统真正取得的证据,并把自动化结论的边界一并写进报告。

  1. 01

    采集公开证据

    读取项目元数据、README、SKILL.md 和高信号清单文件。

  2. 02

    执行静态安全扫描

    识别提示注入、泄露凭证、命令执行与供应链风险模式。

  3. 03

    生成五维评分

    确定性检查为主,AI Judge 只做保守、结构化的质量复核。

  4. 04

    发布可复核报告

    公开结论、风险证据、置信度、局限与可执行改进建议。

Transparent methodology

权重公开,安全风险有硬上限

流行度不会掩盖严重风险。静态扫描的局限和 AI 是否实际参与复核,也会随报告公开。

0122%
文档完整度
安装、示例、参数、限制与错误处理
0225%
安全性
提示注入、凭证、危险 API 与供应链模式
0330%
工程质量
实用性、清晰度、复用性与项目设计
0413%
活跃度
维护新鲜度、提交与问题积压信号
0510%
采用度
Stars、下载、Fork 与近期增长
Real reports

不是演示数据,直接查看真实报告

案例来自当前公开项目和已经完成的正式评测,不使用虚构分数。

全部评分

固定样例 · 管理员试跑

真实执行试跑怎么做

试跑和公开静态评测是两回事。公开报告不会安装或运行你提交的项目;实跑结果也不会改变公开评分。

  1. 固定任务

    用同一个合成仓库查询任务、同一模型和同一产物判据做对照。

  2. 隔离运行

    分别运行不加载和实际加载 Skill 两组,并核验加载后确实读取了 Skill 资源。

  3. 核对结果

    分别检查产物是否匹配预期、是否留下必要工具证据、是否遵守安全边界。

上线验收中,有无 Skill 两组的产物都匹配预期。这只验证了固定样例能跑通,不能证明加载 Skill 更有效。目前仅限管理员运行固定样例,不接受自助提交,也不读取真实用户材料。

Questions & boundaries

评测前,你应该知道

自动评测用于降低初筛成本,不替代代码审计、渗透测试或生产环境验证。

公开评测会安装或执行项目代码吗?+

不会。公开评测只读取公开元数据与相关文本文件,不安装或执行项目代码。独立的执行试跑只运行管理员固定样例,尚未开放自助提交。静态评测不能替代人工安全审计。

Skill、MCP Server 和 Agent Pack 使用同一套结论吗?+

评分维度一致,报告会保留项目类型并依据实际证据解释结论。MCP 项目不会因为名称被宣称已通过协议兼容性测试。

免费账户可以评测多少次?+

登录用户每周可发起 10 次新评测。查看公开报告或命中仍然有效的缓存报告不重复消耗额度。

支持哪些项目来源?+

目前支持公开 GitHub 仓库、npm 包和 PyPI 包。系统会验证来源并只使用能够取得的公开证据。

Free weekly quota

用一份真实报告,替代一次盲选

登录后每周可发起 10 次新评测;报告公开可查,评分方法和自动化边界透明。

开始免费评测