escalation-governance
评估模型是否需要升级的决策辅助工具
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：escalation-governance。 它的用途是：评估模型是否需要升级的决策辅助工具 完整的 Skill 内容见：https://321skill.com/skills/escalation-governance-x-2/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'评估当前线上模型v1.2是否应该升级到v2.0，评估数据：v1.2准确率92%，推理延迟35ms，月成本$500；v2.0准确率96%，推理延迟50ms，月成本$800。成本敏感度设为中等。' 技能会分析性能提升与成本增加的权衡，生成建议升级并附上详细理由。
介绍
在AI模型迭代过程中，开发者和运维人员经常面临一个难题：当前模型表现是否已经达到瓶颈，是否需要投入资源升级到新版本？escalation-governance 提供了一套结构化的评估框架，帮助用户基于模型性能指标、业务成本、风险容忍度等多维度信息，自动生成是否升级的决策建议。它避免了主观判断的偏差，使模型治理流程更加规范、可审计。
使用本技能时，用户只需提供当前模型和新模型的评估数据（如准确率、召回率、推理延迟、训练成本等），或直接接入模型监控日志。技能会通过预设的规则引擎或可配置的权重模型，计算升级的必要性评分，并给出明确的“建议升级”、“建议暂缓”或“需要人工复核”的结论。支持自定义阈值和业务场景参数，如用户可调整“成本敏感度”或“性能提升最小要求”。
本技能适用于AI模型运维团队、智能体开发人员以及需要管理多个模型版本的产品经理。尤其适合在模型持续集成/持续部署（CI/CD）流程中作为上线前的质量门禁，自动判断是否触发模型升级流水线。也适用于模型监控告警场景，当模型性能下降时辅助决策是否回滚或升级。
使用前建议准备好历史模型评估数据，并明确业务侧的成本容忍度。若模型评估数据不完整或存在噪声，技能输出可能不准确。本技能更偏向于辅助决策，最终升级操作仍需人工确认。对于实时性要求极高的场景，建议结合自动化脚本但保留人工复核环节。
核心特点
不同于一般模型评估工具只输出性能指标，本技能直接给出是否升级的决策建议，并内置可解释的规则引擎，让用户清晰看到决策依据。
注意事项
不适合模型评估数据缺失或质量极低的情况，且不适用于非标准化的自定义模型（如没有统一评估指标）。
常见问题
如何安装 escalation-governance？
请参考仓库 README，目前支持通过 npm 或 git clone 安装，具体命令取决于使用环境。
这个技能需要哪些输入数据？
需要当前模型和新模型的评估指标（如准确率、召回率、F1、推理延迟、训练成本等），以及业务侧的成本阈值和风险偏好参数。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/escalation-governance-x-2/raw/index.md 读取 escalation-governance 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/escalation-governance-x-2/raw/index.md（查看排版版本）