evaluation-framework
提供加权评分、评估量规和决策阈值模式
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：evaluation-framework。 它的用途是：提供加权评分、评估量规和决策阈值模式 完整的 Skill 内容见：https://321skill.com/skills/evaluation-framework-x-6/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
‘请使用加权评分模式，评估这三个营销文案方案。评估量规包括：吸引力（权重40%）、转化潜力（权重40%）、品牌契合度（权重20%）。每个维度按1-10分打分。’ 它会引导你为每个方案的各个维度提供评分，然后自动计算加权总分并排序。或者，
对AI说：‘基于我们定义的代码审查量规（安全性、可维护性、性能），为这段AI生成的代码设定一个决策阈值，总分低于60分的需要人工复核。’ 它会应用决策阈值模式，帮你自动化筛选需要重点关注的代码。
介绍
该Skill旨在解决AI Agent在复杂决策场景中缺乏结构化、可量化评估框架的问题。它提供了一套标准化的评估工具，帮助开发者或用户对AI的响应、方案或数据进行系统性的打分和判断，避免主观臆断。
使用方式是通过调用其提供的加权评分、评估量规（Rubrics）和决策阈值模式。例如，你可以定义一套评估标准（如准确性、相关性、完整性），并为每个标准分配权重，然后让AI Agent基于此对多个选项进行评分，最终根据预设的决策阈值（如总分超过80分采纳）做出选择。
它非常适合需要对AI输出进行质量评估、方案择优或风险分级的角色，例如产品经理在评审AI生成的多个产品方案时，数据分析师在对比不同模型的分析报告时，或测试工程师在评估AI生成代码的质量时。
使用建议是，在定义评估量规时，尽量使标准具体、可衡量，并根据实际业务目标调整权重和阈值。注意事项是，该Skill提供的是评估框架和模式，具体的评分逻辑和标准值需要用户根据自身场景进行定义和填充，它本身不包含特定领域的知识或评分数据。
核心特点
与单纯提供评分功能的Skill不同，它集成了“加权评分”、“评估量规”和“决策阈值”三种核心模式，形成了一套完整的、可配置的决策支持框架，而非单一工具。它强调通过结构化的量规（Rubrics）来定义评估维度，使评估过程更加透明和可解释。
注意事项
不适合需要快速、直觉性判断或评估标准极其模糊、无法量化的场景。
常见问题
这个Skill能直接给我的内容打分吗？
不能，它提供的是打分框架和模式，你需要先定义具体的评分标准和权重，然后它才能基于你的规则进行计算。
可以用它来评估AI生成代码的质量吗？
可以，你可以定义代码质量相关的评估量规（如可读性、安全性、性能），然后利用该Skill的加权评分模式对代码进行量化评估。
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/evaluation-framework-x-6/raw/index.md 读取 evaluation-framework 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/evaluation-framework-x-6/raw/index.md（查看排版版本）