utility
智能体动作评分器，优化决策质量
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：utility。 它的用途是：智能体动作评分器，优化决策质量 完整的 Skill 内容见：https://321skill.com/skills/utility-x-9/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
'评估当前可执行动作列表：动作A(收益90, 成本50, 不确定性0.3, 冗余度0)、动作B(收益80, 成本20, 不确定性0.1, 冗余度0.5)、动作C(收益70, 成本10, 不确定性0.05, 冗余度0.8)，按综合评分排序并给出建议。' 它会计算每个动作的加权得分，返回排序结果并说明推荐理由，例如优先选择成本低、不确定性低、非冗余的动作B。
介绍
该技能解决智能体在面对多个候选动作时如何择优执行的问题。通过量化预期收益、成本、不确定性和冗余度四个维度，为每个动作计算综合评分，从而帮助智能体选择最高效、最经济的下一步行动，避免盲目探索或重复劳动。
使用方式：在智能体决策循环中调用该技能，传入当前可执行的动作列表及其评估参数（如预期收益值、执行成本、不确定性概率、与已有行为是否冗余等标志），技能会返回排序后的评分结果。支持自定义权重，可调节各维度的重要性。
适合智能体开发者、全栈开发者和量化交易员。智能体开发者可用于优化自主代理的决策流程；全栈开发者在构建复杂工作流时可确保资源合理分配；量化交易员可将其用于策略回测中的动作选择，降低试错成本。
注意：该技能依赖用户提供准确的动作参数，若参数估算偏差较大，评分结果可能失真。建议在动作执行前先通过小样本模拟校准参数，或结合历史数据动态更新预期值。
核心特点
区别于仅考虑收益或成本的简单评分器，本技能同时纳入不确定性和冗余度，能有效避免智能体重复执行低效动作，更适合多智能体协作场景下的资源优化。
注意事项
不适合动作参数完全未知或无法合理估算的场景，需要用户预先提供各维度的数值或等级。
常见问题
如何定义动作的预期收益和成本？
预期收益可以是完成目标后的数值奖励（如分数、利润），成本可以是执行时间、API调用次数、计算资源消耗等，具体单位由用户自定义，只需保持一致性即可。
支持多智能体场景吗？
支持。冗余度参数专门用于衡量多个智能体是否执行相同或重叠动作，从而避免重复工作，适合协调多智能体时分配任务。
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/utility-x-9/raw/index.md 读取 utility 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/utility-x-9/raw/index.md（查看排版版本）