Menguji apakah skill Claude Code dan Codex bekerja dengan baik menggunakan rubric evaluator

Baru-baru ini ada metode untuk menguji apakah skill Claude Code dan Codex yang saya buat bekerja dengan tepat, berjalan sesuai keinginan, dan bukan sesuatu yang dibuat secara tidak perlu, yang dipublikasikan di blog teknologi Toss.
Karena penasaran apakah skill yang saya buat memang sudah tepat, saya membuat sebuah proyek berdasarkan artikel tersebut.
Saat saya memeriksa skill-skill yang sebelumnya saya buat, alat ini juga membantu menunjukkan arah perbaikannya, jadi menurut saya cukup berguna. Silakan coba, dan kalau menurut Anda bagus saya akan sangat berterima kasih jika Anda memberi bintang di GitHub; kalau masih ada kekurangan, mohon beri masukan lewat issue GitHub atau komentar!!