安装 SkillEvaluator 可以先克隆官方仓库,再用 uv 和 Python 3.13 运行自带样例。基础质量检查不需要模型 API Key 或 Docker,首次运行需要下载 Python 或依赖。
先核对 Git、uv 和执行目录
打开终端确认git和uv都能正常调用,再进入源码仓库。uv会自动给项目准备对应版本的解释器和依赖,首次下载资源的时候终端可能会卡在某个包的进度上很久。如果提示找不到uv命令,先检查它的安装位置有没有加到系统path里。
git --version uv --version git clone --depth 1 https://github.com/NVIDIA/SkillEvaluator.git cd SkillEvaluator
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

用官方 text-analyzer 样例跑第一份报告
直接在仓库根目录执行下面的命令,参数同时开启终端输出和JSON输出两种模式。刚上手练习先用仓库自带的技能跑,别直接导入自己的文件,不然很容易把自定义文件的问题和环境问题混在一起,排查起来特别麻烦。
uv run --python 3.13 skillevaluator quality-check src/skillevaluator/tier3/reference_skills/text-analyzer -r cli -r json -o reports/first-quality
怎么确认报告确实写到磁盘?
命令执行结束后,直接查输出目录和生成的JSON文件就行。先看终端返回的分数、等级和具体问题,需要留存结果的话再导出JSON备份。之后替换成自己的练习技能路径时,记得要指向包含SKILL.md的文件夹。
ls -l reports/first-quality python3 -m json.tool reports/first-quality/skillevaluator-quality.json

命令跑不起来时按报错顺序排查
依赖下载失败先检查网络或者换国内镜像源,提示路径不存在就先跑pwd命令确认当前所在位置,再核对样例入口路径。如果工具能正常启动但结果文件没生成,就核对输出目录的写入权限,确认命令里带了json输出参数。等基础质量检查完全跑通之后,再去装安全扫描、模型评分对应的额外依赖。
这份样例的质量检查得到 B(88.8/100),并写出了 JSON。若看到 parent traversal is not allowed,把输出路径改为仓库内的目录,例如 reports/first-quality,再执行一次。











