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-7/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
‘请使用评估框架，帮我分析这三个候选的营销活动方案。评估维度包括：预期获客成本（权重40%）、创意新颖度（30%）、执行复杂度（30%）。请为每个维度定义1-5分的量规。’ 它会引导你完善量规细节，然后对每个方案进行维度打分，计算加权总分，并根据预设的阈值（如总分>4分推荐）给出最终决策建议。
介绍
该技能旨在解决AI Agent在复杂决策场景中缺乏结构化评估框架的问题。它提供了一套方法论和工具，帮助AI将模糊的、多因素的任务（如评估代码质量、分析项目风险、筛选简历等）转化为可量化、可比较的评分结果。
通过定义评估维度、分配权重、设定评分量规和决策阈值，AI可以系统性地处理信息，减少主观偏差，并给出基于规则的明确建议或结论。这使得AI的决策过程更加透明、一致和可解释。
该技能非常适合需要客观评估、优先级排序或决策支持的各类角色，例如项目经理评估项目风险、产品经理评审功能需求、数据分析师筛选高潜力商品、或学术研究者评估论文质量。它尤其适用于那些涉及多个标准且没有唯一正确答案的复杂判断场景。
使用建议：在应用前，建议用户与AI共同明确评估目标，并仔细设计评分维度和权重，这直接决定了最终结果的合理性。注意，该框架是辅助决策的工具，其输出质量高度依赖于输入标准的设定，不应用于替代关键领域的人类最终判断。
核心特点
与单纯提供评分模板的技能不同，它深度融合了“权重分配”、“量规定义”和“阈值决策”三个核心模式，形成完整的评估工作流；同时，它强调模式复用，用户可将一套评估框架快速适配到不同但结构相似的业务场景中。
注意事项
不适用于需要高度创造性、直觉判断或情感共鸣的纯主观评价场景。
常见问题
这个技能能帮我做什么？
它能帮你将复杂的多标准决策（如选品、风险评估、代码评审）结构化，通过加权评分和量规得出量化结论。
我需要编程知识才能使用吗？
不需要。你只需与AI协作定义评估维度、权重和评分标准，后续计算和决策由技能自动完成。
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-7/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-7/raw/index.md（查看排版版本）