create-custom-grader
Use when converting an existing benchmark, rubric, verifier, task YAML/JSON, or domain check into SkillEvaluator BYOG/BYOT custom evaluation.
Perfil del activo
Investigación y trabajo de conocimiento
Deep research, source comparison, literature review, RAG, knowledge search, and reports.
Escenario
RAG and knowledge
I need my agent to build a RAG workflow over documents and retrieve reliable context.
Afinidad con Agent
Claude Code + CLI + Codex
Funciona con Codex, Claude Code, Cursor, CLI o Agents personalizados.
Instalar
Listo
npx skills add NVIDIA/SkillEvaluator --skill create-custom-grader
Mantenimiento
Actual
2 días desde el último push
Riesgo
Requiere revisión
Quality score needs review
Calidad de GitHub
187
70/100 Calidad · 78/100 Confianza
Etiquetas de cobertura
Notas de revisión
Quality score needs review · Stars/forks activity: 187 stars, 14 forks; issue activity unavailable in current metadata
Tarjeta de adopción del Agent
Confianza, auditoría y preparación de instalación de un vistazo
Estas puntuaciones combinan metadatos públicos del repositorio, señales de revisión de OpenAgentSkill, actualidad de mantenimiento y preparación de instalación. Sirven para preseleccionar; no sustituyen la revisión humana.
Calidad
SólidoSolid option that is likely worth shortlisting for production workflows.
Confianza
Solo sandboxCandidata útil con señales de confianza incompletas o mixtas. Manténgala en un espacio aislado hasta que el ciclo de resultados demuestre el ajuste.
Auditoría
Requiere revisiónRevisión legible por máquina de la preparación de instalación, los metadatos de seguridad, el mantenimiento y el riesgo de adopción.
Trust Score de OpenAgentSkill v5
Revisión humana antes de instalar
Ejecute solo en un sandbox y compare alternativas cercanas antes de usarla en trabajo real.
Estrellas
187 estrellas de GitHub
Actividad del repositorio
187 estrellas y 14 forks
Mantenimiento
2 días desde el último push
Licencia
Apache-2.0
Instalar
npx skills add NVIDIA/SkillEvaluator --skill create-custom-grader
Seguridad de instalación
Ruta estándar de paquete o instalación en tiempo de ejecución
Superficie de permisos
shell or command execution, filesystem or document access
Resultados del Agent
Aún no hay datos de resultados del Agent
Documentación
Contexto sólido de README/SKILL.md
Resumen de riesgo
Revisar antes de producción
- Quality score needs review
- Stars/forks activity: 187 stars, 14 forks; issue activity unavailable in current metadata
Preparación de instalación
Ruta de instalación disponible
- La ruta de instalación está disponible
- La evidencia del repositorio está disponible
- La licencia está declarada
- Aún no hay evidencia de resultados Agent-Proven
Metadatos legibles por Agent
Datos de decisión legibles por máquina para este skill.
Usa este bloque o el JSON integrado para decidir si un Agent debe instalar este skill, elegir una alternativa o pedir revisión humana primero.
Tareas adecuadas
- flujos de Browser automation
- Equipos de Claude Code
- builders willing to evaluate younger projects
- Navigate pages
Agents adecuados
Decisión de instalación
- Comando
- npx skills add NVIDIA/SkillEvaluator --skill create-custom-grader
- Política
- Revisar
- Revisión humana
- Sí
Confianza y riesgo
- Confianza
- 70/100
- Auditoría
- 81/100
- Nivel de riesgo
- Requiere revisión
Ciclo de resultados
- Endpoint
- /api/agent/outcome
- ID del evento
- resolve
- Resultados
- 5
Comando de instalación
npx skills add NVIDIA/SkillEvaluator --skill create-custom-graderNo usar cuando
- Equipos que necesitan un SLA con soporte del proveedor
- Entornos de alta conformidad sin revisión interna de seguridad
- No major risk signals from current metadata
- Indicios de permisos de alto riesgo: ejecución de shell o comandos
- Quality score needs review
Seguridad de Agent v2
53/100 · Evitar instalación automática
Sparse or mixed signals. Useful for discovery, but not for autonomous installation.
Test manually in an isolated workspace and compare against safer alternatives.
Alto
Ejecución de shell o comandos
Los metadatos del skill hacen referencia a terminal, CLI, shell, subprocesos o flujos de ejecución de comandos.
Medio
Acceso a red
El skill probablemente consulta páginas remotas, API, repositorios o servicios externos.
Medio
Acceso al sistema de archivos
El skill puede leer o escribir archivos de proyecto, documentos, artefactos generados o estado local.
- Indicios de permisos de alto riesgo: ejecución de shell o comandos
- Quality score needs review
Destinos de instalación
Instala este skill en tu flujo de Agent
Usa el endpoint público para obtener el comando, la lista de seguridad, prompts y enlaces canónicos.
OpenAgentSkill CLI
Resolve policy, run the source installer safely, and report a verified install receipt.
$ npx --yes https://github.com/Leon-Drq/openagentskill/releases/download/cli-v0.2.1/openagentskill-0.2.1.tgz install nvidia-create-custom-graderPlan de resolución de Agent
Deja que un Agent valide el ajuste antes de instalar.
La API Resolve devuelve la skill elegida, alternativas, política de seguridad, notas de auditoría, destino de instalación y un prompt listo para usar.
Abrir JSON
/api/agent/resolve?task=Use%20create-custom-grader%20for%20an%20agent%20workflow&agent=codex&max_risk=medium
Texto de Resolve
/api/agent/resolve?task=Use%20create-custom-grader%20for%20an%20agent%20workflow&agent=codex&max_risk=medium&format=text
Traspaso de instalación
/api/skills/nvidia-create-custom-grader/install
Agent debe revisar
- Task fit and alternatives from Resolve API.
- Audit score, trust score, and safety policy warnings.
- Install target compatibility for Codex, Claude Code, Cursor, or CLI.
Copiar prompt
Task: Use create-custom-grader in this workspace.
Resolve first: https://www.openagentskill.com/api/agent/resolve?task=Use%20create-custom-grader%20for%20an%20agent%20workflow&agent=codex&max_risk=medium
Review install handoff: https://www.openagentskill.com/api/skills/nvidia-create-custom-grader/install
Install command: npx skills add NVIDIA/SkillEvaluator --skill create-custom-grader
Before running it, summarize audit warnings, required permissions, and the fallback skill if install is risky.Traspaso de Agent
Da al Agent la ruta de instalación, no otro directorio.
Usa el endpoint público para obtener el comando, la lista de seguridad, prompts y enlaces canónicos.
Traspaso de instalación
/api/skills/nvidia-create-custom-grader/install
Formato de texto LLM
/api/skills/nvidia-create-custom-grader/install?format=text
Buscar alternativas
/api/skills/search?q=create-custom-grader&limit=3
Prompt de Agent
Use create-custom-grader for this task. Review https://www.openagentskill.com/api/skills/nvidia-create-custom-grader/install, then install with: npx skills add NVIDIA/SkillEvaluator --skill create-custom-graderMetadatos del Registry
Perfil legible por Agent para seleccionar skills automáticamente.
La API Registry expone señales de decisión, confianza, auditoría, casos de uso e instalación sin raspar la interfaz.
Manifest
/api/registry/manifest/nvidia-create-custom-grader
Texto LLM
/api/registry/manifest/nvidia-create-custom-grader?format=text
Alias de instalación
/api/registry/install/nvidia-create-custom-grader
Recomendar
/api/registry/recommend?task=Use%20create-custom-grader%20in%20an%20agent%20workflow&limit=3
Afinidad con Agent
Browser automation
Etiquetas de uso
Plataformas
Claude Code
Informe de auditoría
Requiere revisión · 81/100
Revisión legible por máquina de la preparación de instalación, los metadatos de seguridad, el mantenimiento y el riesgo de adopción.
Panel de decisión de Agent
Fallback candidate for Browser automation
Prototype with this skill first; keep a fallback candidate ready.
Rol en la pila
Candidata de respaldo
Ajuste principal
Browser automation
Etiqueta de confianza
Prototipar primero
Ruta de instalación
Comando listo
Úsalo cuando
- flujos de Browser automation
- Equipos de Claude Code
- builders willing to evaluate younger projects
Evidencia
- recent repository activity
- install command or GitHub repo available
- perfil de calidad 70/100
- 3 eventos de interacción de OpenAgentSkill
revisar primero
- No major risk signals from current metadata
Ruta de implementación
- 1Instálalo en un Agent de sandbox y ejecuta una tarea de Browser automation de principio a fin.
- 2Compare output quality, latency, and failure behavior against at least one alternative.
- 3Promote it into production only after reviewing repository permissions, license, and maintenance signals.
Perfil de confianza
Solo sandbox
Candidata útil con señales de confianza incompletas o mixtas. Manténgala en un espacio aislado hasta que el ciclo de resultados demuestre el ajuste.
Adopción en GitHub
Info187 estrellas de GitHub
Actividad de stars/forks
Revisar187 estrellas y 14 forks; la actividad de issues no está disponible en los metadatos actuales
Mantenimiento reciente
Aprobado2 días desde el último push
Claridad de licencia
AprobadoApache-2.0
Señales positivas
- Revisión de IA aprobada
- La ruta de instalación está disponible
- La evidencia del repositorio está disponible
- Repositorio mantenido recientemente
- El comando de instalación no muestra un patrón de alto riesgo evidente
- El ciclo de resultados está listo, pero necesita la primera ejecución real de Agent
Revisar antes de instalar
- Quality score needs review
- Stars/forks activity: 187 stars, 14 forks; issue activity unavailable in current metadata
- Aún no hay informes reales de resultados del Agent
- Se requiere revisión humana antes de una instalación desatendida
Acción recomendada
Ejecute solo en un sandbox y compare alternativas cercanas antes de usarla en trabajo real.
Perfil de calidad
Sólido candidato para flujos de Agent
Solid option that is likely worth shortlisting for production workflows.
Ajuste de flujo
Usa esta skill en estos escenarios
Operate web apps
Browser automation
I need my agent to control a browser, fill forms, and verify web app workflows.
Automate repeated work
Workflow automation
I need my agent to automate a repeated workflow across tools and files.
Operate local tools
Local desktop
I need my agent to operate local files and desktop apps in a repeatable workflow.
Ajuste de flujo
Añadir a un flujo completo
Turn skills into distribution
Content growth agent
A workflow for turning newly indexed skills into SEO briefs, social drafts, comparison pages, and reusable publishing workflows.
Operate and verify web apps
Browser QA agent
A workflow for agents that navigate products, fill forms, take screenshots, and verify real user flows across web applications.
Find, compare, and synthesize
Research report agent
A workflow for agents that gather sources, compare claims, summarize long material, and draft useful research briefs.
Lista de alternativas
Compara antes de instalar
Similar skills that may fit this task.
UI-TARS Desktop
Run multimodal agents that operate desktop interfaces
MoneyPrinterTurbo
利用AI大模型,一键生成高清短视频 Generate short videos with one click using AI LLM.
Cua
Open-source infrastructure for Computer-Use Agents. Sandboxes, SDKs, and benchmarks to train and evaluate AI agents that can control full desktops (macOS, Linux, Windows).
Resumen
--- name: create-custom-grader description: Use when converting an existing benchmark, rubric, verifier, task YAML/JSON, or domain check into SkillEvaluator BYOG/BYOT custom evaluation. metadata: author: SkillEvaluator Maintainers <maintainers@example.com> ---
# Create Custom Grader
Convert team-owned benchmark definitions into runnable SkillEvaluator custom graders and, when needed, native Harbor tasks.
## Purpose
Help an agent author valid SkillEvaluator BYOG/BYOT files from a user's benchmark instead of leaving the user with empty grader templates.
## When To Use
Use this skill when the user wants to:
- bring an existing benchmark into SkillEvaluator - turn a rubric into `evals/grader.py` or `evals/grader.sh` - add custom metrics beside the default evaluator metrics - convert task files such as `task.yaml`, `task.json`, pytest checks, or shell verifiers into BYOG or BYOT - prove a team can run its own benchmark through SkillEvaluator
Do not use this skill for ordinary `evals/evals.json` authoring when no custom grading logic is needed. Use the normal dataset authoring workflow for that.
## Instructions
1. Read the target skill, existing `evals/`, benchmark prompts, fixtures, and any verifier code. 2. Choose `default_plus_custom` when custom metrics should complement default evaluator scoring. 3. Choose `custom_only` only when the user wants the custom grader to own pass/fail semantics. 4. Write or update `evals/grader.py` or `evals/grader.sh`, then validate the Harbor contract.
## Examples
```bash skillevaluator init-custom-grader <skill-dir> --language python --mode default_plus_custom skillevaluator tier3 validate <skill-dir> ```
## Prerequisites
- The target skill directory should contain `SKILL.md`. - The SkillEvaluator CLI should be available as `skillevaluator`. - Full E2E evaluation may need agent credentials, sandbox access, GPU access, or service credentials depending on the benchmark.
## Core Choice
Choose one path before writing files:
| User need | Evaluator shape | | --- | --- | | Existing `evals.json` task plus extra domain checks | Top-level BYOG: `evals/grader.py` or `evals/grader.sh` | | Existing benchmark prompt/rubric that can run in the generated workspace | Top-level BYOG plus `evals/evals.json` and `evals/files/` | | Benchmark owns task layout, setup, service lifecycle, or verifier harness | Native BYOT/BYOG: `evals/harbor/<case>/...` | | User wants only custom reward/pass criteria | `grading.mode: custom_only` | | User wants default evaluator dimensions plus custom metrics | `grading.mode: default_plus_custom` |
Default to `default_plus_custom` unless the user explicitly wants the custom grader to replace the default evaluator metrics.
## Workflow
1. Resolve the target skill and benchmark source. Read the target `SKILL.md`, existing `evals/`, benchmark prompts, fixtures, rubric, reference solution, tags, and any expected trigger/non-trigger metadata.
2. Map benchmark fields into evaluator inputs. Use benchmark prompts or prompt variants as `question` entries. Use the target skill as `expected_skill`. Put each case's required starter files under `evals/files/<case-id>/`, and declare `files: ["evals/files/<case-id>"]` on every corresponding eval entry. Do not omit `files` in a multi-case dataset, because omission intentionally stages the entire shared directory for legacy compatibility. Preserve benchmark-specific rubric text in the entry only when the grader needs to read it.
3. Scaffold the evaluator contract. For generated tasks: ```bash skillevaluator init-custom-grader <skill-dir> --language python --mode default_plus_custom ``` For shell checks: ```bash skillevaluator init-custom-grader <skill-dir> --language shell --mode default_plus_custom ``` For native Harbor tasks: ```bash skillevaluator init-harbor-task <skill-dir> --case-id <case-id> --with-config ```
4. Replace scaffold placeholders. The custom grader is real executable logic, not metadata. It must read available evidence, compute numeric scores, and write the evaluator reward contract.
5. Validate before running. ```bash skillevaluator validate <skill-dir> --harbor-contract ``` Fix missing files, invalid Python, missing reward output, and native Harbor ID mismatches before evaluation.
6. Run the deepest practical proof. Prefer a real with-skill/baseline run. If services, credentials, GPU, or cost block full E2E, state exactly what was validated and what was not.
## Grader Contract
Python and shell graders run inside the Harbor verifier context. They may read:
- `/logs/agent/trajectory.json` for agent actions and final answer evidence - `/tests/entry.json` for the eval case metadata - `/workspace/input/` for the entry's declared committed fixtures from `evals/files/` - `/solution/` or other task outputs only when the task environment produces them
They must write:
- `/logs/verifier/reward.json` - `/logs/verifier/reward.txt` with a numeric score from `0.0` to `1.0`
Use this reward shape:
```json { "overall": 0.92, "custom_metrics": { "domain_repair": 1.0, "domain_verification": 0.8 }, "details": { "domain_repair": { "score": 1.0, "reason": "The solution repaired the required files." } } } ```
In `default_plus_custom`, default evaluator scoring keeps its `overall` authoritative and adds the grader's `custom_metrics` into reports. In `custom_only`, the grader's `overall` is the pass/fail reward.
Never emit custom metric names that collide with reserved evaluator fields: `security`, `skill_execution`, `skill_efficiency`, `accuracy`, `goal_accuracy`, `behavior_check`, `overall`, `details`, `metrics`, `metric_set`, or `entry_id`.
## Translation Rules
- Convert each rubric item into a deterministic check when possible. - If a rubric item requires judgment, encode observable proxies and explain the limits in `details`. - Keep metrics stable across baseline and with-skill runs. - Score only the generated task workspace. Do not accidentally score copied skill source files, reference fixtures, or grader templates. - Keep custom metric values clamped to `0.0` through `1.0`. - Preserve benchmark prompt variants as separate eval entries only when they exercise meaningfully different behavior. - Convert expected trigger/non-trigger metadata into `expected_skill`, `expected_behavior`, negative cases, or custom metrics that inspect trajectory evidence.
## RAPIDS-Style Example
For a benchmark task with `task.yaml`, `code/`, prompt variants, coverage, and a rubric:
1. Copy `code/` into `evals/files/<case-id>/`. 2. Create one or more `evals/evals.json` entries from the prompt variants, and set `files: ["evals/files/<case-id>"]` on each corresponding entry. 3. Set `expected_skill` to the benchmark's target skill. 4. Implement `evals/grader.py` to inspect the agent trajectory and changed workspace files. 5. Emit custom metrics for each rubric criterion, for example `rapids_diagnosis`, `rapids_requirements_repair`, `rapids_repair_safety`, and `rapids_verification`. 6. Validate and run SkillEvaluator with and without the target skill, then report both default evaluator metrics and custom metric deltas.
## Limitations
- The skill can design and implement deterministic checks, but ambiguous rubric judgment still needs explicit observable proxies or a human-approved scoring policy. - `init-custom-grader` creates scaffolding only; the agent must replace the placeholder scoring logic. - Local validation proves file contracts, not live agent behavior. Do not call the benchmark proven until an evaluation run has produced real rewards.
## Troubleshooting
| Problem | Fix | | --- | --- | | `evals/evals.json` missing | Create entries from the benchmark prompt or run `init-custom-grader` to seed one. | | Custom metrics do not appear | Ensure `reward.json` has numeric values under `custom_metrics` and no reserved-name collisions. | | `custom_only` fails | Write numeric `overall` in `reward.json` or numeric `reward.txt`. | | Grader scores copied fixtures | Restrict file searches to generated workspace/output paths, not the skill package or grader source. |
## Final Response
When finished, report:
- files created or changed - exact validation and evaluation commands - default evaluator metric results - custom metric results - whether the proof was full E2E or only static/local validation - any benchmark rubric criteria that remain partly judgment-based
Detalles técnicos
- Versión
- 1.0.0
- Licencia
- Apache-2.0
- Última actualización
- 21 ago 2026
- Publicado
- 20 ago 2026
Resumen de decisión
Candidata de respaldo
recent repository activity
Auditoría
Revisión de instalación
Revisión de instalación y adopción
- Seguridad
- 83/100
- Mantenimiento
- 100/100
- Instalar
- 92/100
Evidencia probada por Agent
Evidencia probada por Agent
Informes de resultados tras resolver, revisar, instalar y una ejecución limitada.
- Tasa de éxito
- —
- Fallo reciente
- —
- Resultados
- 0
- Calidad de salida
- —
- Fallidos
- 0
- No relevante
- 0
- Instalaciones
- 0
- Bloqueado por riesgo
- 0
- Configuración necesaria
- 0
- Producción
- 0
Aún no hay datos de resultados de Agent. La primera ejecución puede informar éxito, configuración necesaria, bloqueos de riesgo, fallo o irrelevancia mediante /api/agent/outcome.
Instalar
Añadir al flujo de Agent
Gratis y de código abierto. Revisa el informe antes de instalar en Agents de producción.
Bucle de crecimiento
Kit para compartir
Borrador basado en un caso para create-custom-grader, listo para publicar manualmente en X.
create-custom-grader: Use when converting an existing benchmark, rubric, verifier, task YAML/JSON, or domain check... 187 stars https://www.openagentskill.com/skills/nvidia-create-custom-grader?ref=x
Respuesta opcional con comando de instalación
Listing + install path for create-custom-grader: https://www.openagentskill.com/skills/nvidia-create-custom-grader?ref=x Install: npx skills add NVIDIA/SkillEvaluator --skill create-custom-grader
Fuente de la ficha
Indexado por Registry
Esta ficha se indexó desde fuentes públicas y no está marcada como oficial hasta que se apruebe una reclamación de mantenedor.
- Creador
- NVIDIA
- Fuente
- NVIDIA/SkillEvaluator
- Indexado por
- Índice comunitario de OpenAgentSkill
La atribución enlaza al repositorio público o al perfil del creador. Los creadores pueden reclamar la ficha para actualizar las señales de propiedad.
Reclamar este skillReclamación del propietario
Reclamar esta ficha de skill
Esta ficha Indexado por Registry se atribuye a NVIDIA, pero aún no está marcada como oficial. Reclámala para añadir una señal de propietario verificado y hacer más fiables futuras actualizaciones de lanzamiento, instalación y auditoría.
Kit de enlaces para creadores
Añade las insignias de evidencia a tu README
Muestra la ficha canónica, las señales actuales de confianza y auditoría, y evidencia real de Agent-Proven donde los desarrolladores evalúan el repositorio.
[](https://www.openagentskill.com/skills/nvidia-create-custom-grader)
[](https://www.openagentskill.com/skills/nvidia-create-custom-grader)
[](https://www.openagentskill.com/skills/nvidia-create-custom-grader/audit)
[](https://www.openagentskill.com/skills/nvidia-create-custom-grader)Autor
NVIDIA
@nvidia
Etiquetas
Afinidad con plataforma
Señales de salud
- Estrellas de GitHub
- 187
- Puntuación de calidad
- 39/100
- Último push de GitHub
- 21 ago 2026
- Pistas del framework
- Desconocido
- Vistas de OpenAgentSkill
- 3
- Copias de instalación
- 0
- Clics externos
- 0
Señal de comunidad
Comparte si este skill resulta útil para tu flujo de Agent. Los comentarios agregados mejoran la clasificación con el tiempo.
Confianza y seguridad
Solo sandbox
- Adopción en GitHub187 estrellas de GitHubInfo
- Actividad de stars/forks187 estrellas y 14 forks; la actividad de issues no está disponible en los metadatos actualesRevisar
- Mantenimiento reciente2 días desde el último pushAprobado
- Claridad de licenciaApache-2.0Aprobado
- Completitud de README/SKILL.mdLos metadatos incluyen suficiente contexto de uso y flujo de trabajoAprobado
- Riesgo de dependencias/runtimeSuperficie de ejecución de comandosInfo
Skills relacionados
UI-TARS Desktop
Run multimodal agents that operate desktop interfaces
37.0K EstrellasMoneyPrinterTurbo
利用AI大模型,一键生成高清短视频 Generate short videos with one click using AI LLM.
88.5K EstrellasCua
Open-source infrastructure for Computer-Use Agents. Sandboxes, SDKs, and benchmarks to train and evaluate AI agents that can control full desktops (macOS, Linux, Windows).
21.4K Estrellas