Eval-Driven Development (EDD) Framework v2.88.0

Eval-Driven Development 是一种以质量为先的开发模式，它通过结构化的评估来强化定义在实施之前的工作流程。

v2.88 主要变更（模型无关）

模型无关：使用在 ~/.claude/settings.json 或 CLI/env 变量中配置的模型
无需标志：与配置的默认模型一起工作
灵活：与 GLM-5, Claude, Minimax 或任何配置的模型一起工作
设置驱动：通过 ANTHROPIC_DEFAULT_*_MODEL 环境变量选择模型

什么是 EDD？

EDD 提供了一种系统化的方法来进行软件开发，分为三个阶段：

定义 - 使用 TEMPLATE.md 创建结构化的评估规范
实施 - 根据评估定义构建功能
验证 - 根据评估标准验证实现

检查类型

前缀	类型	目的
`CC-`	能力检查	功能能力和功能
`BC-`	行为检查	预期行为和响应
`NFC-`	非功能性检查	性能，安全性，可维护性

使用方法

# 调用 EDD 工作流程
/edd "定义内存搜索功能"

# CLI 脚本（如果可用）
ralph edd define memory-search
ralph edd check memory-search

组件

TEMPLATE.md：创建评估定义的模板
edd.sh：评估管理的 CLI 脚本
/edd 技能：从 Claude Code 调用技能
~/.claude/evals/：评估定义的目录

模板结构

每个评估定义包括：

能力检查（CC-）-功能能做什么
行为检查（BC-）-功能的行为
非功能性检查（NFC-）-性能，安全性等
实施说明 - 技术指导
验证证据 - 测试结果

示例：memory-search.md

# 内存搜索评估

**状态**：草稿
**创建**：2026-01-30

## 能力检查
- [ ] CC-1：跨语义内存搜索
- [ ] CC-2：支持按类型过滤

## 行为检查
- [ ] BC-1：返回排名结果
- [ ] BC-2：优雅地处理空查询

## 非功能性检查
- [ ] NFC-1：搜索在 <2s 内完成
- [ ] NFC-2：内存使用 <100MB

## 实施说明
- 使用并行搜索以提高性能
- 缓存频繁查询

## 验证证据
- 附加测试结果

与 Orchestrator 的集成

EDD 与 orchestrator 工作流程集成，以确保以质量为先的开发：

澄清阶段 - 定义评估
计划阶段 - 审查评估要求
实施阶段 - 根据评估规范构建
验证阶段 - 根据评估验证

Swarm 模式集成（v2.81.1）

EDD 框架现在支持 swarm 模式，用于跨多个检查类型的并行评估。

自动生成配置

当通过 /edd 调用时，框架自动生成一个专门的评估团队：

任务：
  subagent_type: "通用"
  model: "sonnet"
  team_name: "edd-evaluation-team"
  name: "edd-coordinator"
  mode: "delegate"
  run_in_background: true
  prompt: |
    为：$ARGUMENTS 执行 Eval-Driven Development 工作流程

    EDD 模式：
    1. 定义 - 创建结构化的评估规范
    2. 分配 - 将检查类型分配给专家
    3. 验证 - 根据评估标准验证
    4. 合并 - 合并所有评估者的结果

团队组成

角色	目的	专业化
协调员	EDD 工作流程协调	管理评估生命周期，合并结果
队友 1	能力检查专家	CC- 前缀：功能能力和功能
队友 2	行为检查专家	BC- 前缀：预期行为和响应
队友 3	非功能性检查专家	NFC- 前缀：性能，安全性，可维护性

Swarm 模式工作流程

用户调用：/edd "定义内存搜索功能"

1. 创建团队 "edd-evaluation-team"
2. 协调员（edd-coordinator）接收任务
3. 生成 3 名具有检查类型专业化的队友
4. 分配评估定义：
   - 队友 1 → 能力检查（CC-）
   - 队友 2 → 行为检查（BC-）
   - 队友 3 → 非功能性检查（NFC-）
5. 队友并行工作（后台执行）
6. 协调员监控进度并收集结果
7. 将结果合并到单一评估规范中
8. 返回最终评估文件

并行评估模式

每个队友专注于他们的检查类型：

# 队友 1：能力检查
CC-1：功能可以执行 X
CC-2：功能支持 Y 配置
CC-3：功能与 Z 系统集成

# 队友 2：行为检查
BC-1：功能优雅地处理错误情况 A
BC-2：功能返回 B 的预期响应
BC-3：功能在 C 中保持状态

# 队友 3：非功能性检查
NFC-1：响应时间 < 100ms
NFC-2：内存使用 < 50MB
NFC-3：安全漏洞扫描通过

队友间的沟通

队友使用内置的邮箱系统：

# 队友向协调员发送发现
SendMessage:
  type: "message"
  recipient: "edd-coordinator"
  content: "CC-3 定义：功能通过 OAuth2 与认证系统集成"

任务列表协调

所有队友共享一个统一的任务列表：

# 位置：~/.claude/tasks/edd-evaluation-team/tasks.json

# 示例任务：
[
  {"id": "1", "subject": "定义能力检查", "owner": "teammate-1"},
  {"id": "2", "subject": "定义行为检查", "owner": "teammate-2"},
  {"id": "3", "subject": "定义非功能性检查", "owner": "teammate-3"},
  {"id": "4", "subject": "合并评估规范", "owner": "edd-coordinator"}
]

手动覆盖

要禁用 swarm 模式：

/edd "定义功能 X" --no-swarm

输出位置

# 评估保存到 ~/.claude/evals/
ls ~/.claude/evals/

# 查看最后一次评估
cat ~/.claude/evals/latest.md

测试

测试套件：tests/test_v264_edd_framework.bats（33 个测试）

运行测试：

bats tests/test_v264_edd_framework.bats

Swarm 模式测试

swarm 模式集成的额外测试：

# 测试 swarm 团队创建
tests/edd/test-swarm-team-creation.sh

# 测试并行评估
tests/edd/test-parallel-evaluation.sh

状态

当前：定义了带 swarm 模式集成的框架（v2.81.1）注意：TEMPLATE.md 和评估目录结构已准备好使用

版本：v2.64 | 状态：草稿 | 测试：33 个通过 <claude-mem-context>

Eval-DrivenDevelopment(EDD)框架 edd