Anthropic представил систему оценки плагинов для Claude Code

Система работает через команду claude plugin eval, которая сравнивает работу модели с и без плагина по трём вопросам: срабатывание навыка, его устойчивость к правкам или смене модели, превосходство над базовой моделью. Δ-разница между результатами с плагином и без него доказывает его вклад; если Δ близок к нулю при срабатывании градера tool_used: Skill, это означает, что навык не активируется на естественных запросах.