微信扫一扫<!-- professional-disclaimer-injected -->⚠️ 本内容仅供一般信息参考，不构成法律、财务、税务、投资或医疗建议。 涉及合同签署、报税、投资、诊疗等专业决策时，请务必咨询持证专业人士，并由使用者自行承担决策后果。
<!-- ai-generated-notice -->本内容由 AI 生成，仅供学习参考
卓越度评估 Skill 文档
一、能力边界（一页纸速查卡）
1.1 能做什么
| 能力项 | 说明 | 示例 |
|--------|------|------|
| 多维评估 | 从 5 个维度对评估对象进行结构化打分 | 评估一款开源项目的卓越程度 |
| 证据锚定 | 评分必须基于用户提供的材料，不凭空臆断 | 依据 README、代码仓库、文档等 |
| 缺失标注 | 信息不足时明确标注 [需核实:字段名] | 缺少用户量数据时标注 |
| 建议输出 | 按优先级输出可执行的改进建议 | 高/中/低三档建议 |
| 自定义权重 | 允许用户调整各维度权重 | 更看重"创新性"时可调权 |
1.2 不能做什么
| 限制项 | 说明 | |--------|------| | 不评估主观偏好 | 不评判"好不好看""喜不喜欢"等纯主观感受 | | 不做横向排名 | 不比较两个不同对象的绝对优劣，只做单对象评估 | | 不预测未来 | 不预测评估对象未来的发展走势 | | 不提供法律/财务意见 | 评估结果不构成任何形式的专业建议 | | 不处理敏感数据 | 不得输入涉及国家秘密、商业秘密或个人隐私的信息 |
1.3 适用对象
- 产品经理：评估产品功能完整度
- 开源项目维护者：衡量项目健康度
- 内容创作者：评估内容质量
- 企业管理者：诊断业务流程效能
- 学生/研究者：评估论文或研究方案质量
二、触发方式
2.1 触发词
直接使用以下任一方式即可激活：
- 输入
awesomeness或卓越度或评估或评分或效能诊断 - 输入
卓越评估、水平衡量、质量打分等同义场景词
2.2 场景映射表
| 用户实际想做的事 | 大白话说法 | 触发词匹配 | |------------------|------------|------------| | 评估一个开源项目好不好 | "帮我看看这个项目怎么样" | 评估、卓越度 | | 给产品功能打分 | "这个功能做得咋样？" | 评分、效能诊断 | | 诊断业务流程问题 | "我们流程哪里有问题？" | 效能诊断、评估 | | 衡量内容质量 | "这篇文章写得好不好？" | 卓越度、评分 | | 评估方案可行性 | "这个方案靠谱吗？" | 评估、卓越度 |
三、标准流程
3.1 前置条件
在发起评估前，请确保已准备以下材料：
| 材料类型 | 是否必需 | 说明 | |----------|----------|------| | 评估对象描述 | ✅ 必需 | 一句话说清要评估什么 | | 维度信息 | ✅ 必需 | 至少提供 3 个维度的信息 | | 相关数据/文档/链接 | ⭕ 推荐 | 提升评分准确度 | | 自定义权重 | ⭕ 可选 | 不提供则使用默认权重 |
3.2 执行步骤
第一步：明确评估对象
用户需告知评估对象是什么。示例：
- "评估这个开源项目" → 需提供项目名称或链接
- "评估我们的客户服务流程" → 需描述流程概况
第二步：收集维度信息
用户需提供至少 3 个维度的信息。五大维度如下：
| 维度 | 默认权重 | 需要的信息类型 | |------|----------|----------------| | 功能性 | 25% | 功能完整度、核心能力表现 | | 可靠性 | 20% | 稳定性、错误率、容错能力 | | 易用性 | 20% | 上手难度、操作便捷度 | | 创新性 | 15% | 差异化亮点、新颖程度 | | 可持续性 | 20% | 维护状态、社区活跃度、文档完善度 |
第三步：输出评估报告
系统将输出包含以下内容的 Markdown 报告：
- 信息清单（含缺失项标注）
- 五维评分表（每项 1-10 分）
- 总分（加权计算，满分 10 分）
- 分优先级改进建议
3.3 输出规范
# 卓越度评估报告
## 评估对象
{对象名称}
## 信息清单
| 维度 | 信息状态 | 说明 |
|------|----------|------|
| 功能性 | ✅ 已提供 | ... |
| 可靠性 | ⚠️ 部分缺失 | [需核实:错误率数据] |
| ... | ... | ... |
## 五维评分
| 维度 | 得分 | 权重 | 加权得分 |
|------|------|------|----------|
| 功能性 | 8 | 25% | 2.00 |
| ... | ... | ... | ... |
## 总分
**{总分} / 10**
## 改进建议
1. [高优先级] {建议内容}
2. [中优先级] {建议内容}
3. [低优先级] {建议内容}
四、置信度门控
4.1 评分可靠性原则
| 信息完整度 | 置信度 | 处理方式 | |------------|--------|----------| | ≥ 4 个维度信息完整 | 高 | 正常输出评分 | | 3 个维度信息完整 | 中 | 输出评分，标注置信度 | | < 3 个维度信息 | 低 | 拒绝评分，要求补充信息 |
4.2 缺失信息处理
当信息不足时，使用 [需核实:字段名] 占位，绝不编造数据。
示例：
- 用户未提供用户量数据 → 标注
[需核实:用户量] - 用户未提供错误率数据 → 标注
[需核实:错误率] - 用户未提供维护频率数据 → 标注
[需核实:维护频率]
4.3 评分边界值
| 得分区间 | 含义 | 说明 | |----------|------|------| | 9-10 分 | 卓越 | 该维度表现突出，无明显短板 | | 7-8 分 | 良好 | 该维度表现优秀，有少量改进空间 | | 5-6 分 | 合格 | 该维度达到基本要求，存在明显改进空间 | | 3-4 分 | 待改进 | 该维度存在显著问题 | | 1-2 分 | 不合格 | 该维度严重不足 |
五、错误码体系
5.1 常见错误与处理
| 错误码 | 错误描述 | 提示话术 | 修正步骤 | |--------|----------|----------|----------| | E001 | 未提供评估对象 | "请先告诉我您要评估什么对象" | 用户提供对象描述 | | E002 | 维度信息不足 | "请至少提供 3 个维度的信息" | 用户补充维度信息 | | E003 | 输入内容为空 | "输入内容不能为空，请重新输入" | 用户重新输入 | | E004 | 包含敏感信息 | "检测到可能涉及敏感信息，请移除后重试" | 用户移除敏感内容 | | E005 | 评估对象不明确 | "评估对象描述过于模糊，请具体说明" | 用户细化描述 |
5.2 异常处理流程
- 系统检测到错误 → 返回对应错误码
- 提示用户具体错误原因
- 引导用户修正输入
- 修正后重新发起评估
六、FAQ 反模式
6.1 常见坑与反模式对照
| 常见坑 | 反模式示例 | 正确做法 |
|--------|------------|----------|
| 信息不足硬评分 | "根据现有信息，我给出 7 分" | 标注 [需核实:xxx]，降低置信度 |
| 主观意愿影响评分 | "这个项目我很喜欢，给 9 分" | 仅基于证据评分，排除个人偏好 |
| 忽略缺失项 | 不提及缺失信息直接评分 | 在信息清单中明确标注缺失项 |
| 绝对化表述 | "这个方案绝对没问题" | 使用"建议""可能"等谨慎措辞 |
| 过度解读 | 从少量信息推断大量结论 | 严格基于提供的信息进行评估 |
6.2 反模式自查清单
- [ ] 是否所有评分都有证据支撑？
- [ ] 是否明确标注了所有缺失信息？
- [ ] 是否避免了绝对化表述？
- [ ] 是否基于证据而非主观意愿？
- [ ] 是否提供了可执行的改进建议？
七、渐进式披露
7.1 速查卡（30 秒上手）
1. 告诉我要评估什么
2. 提供至少 3 个维度的信息
3. 我会输出 5 维评分 + 总分 + 建议
4. 信息不足时我会标注 [需核实]
5. 评分基于证据，不基于主观意愿
7.2 分层次阅读路径
新手路径（首次使用）：
- 阅读「能力边界」了解适用范围
- 阅读「标准流程」了解操作步骤
- 使用「速查卡」快速上手
进阶路径（深度使用）：
- 阅读「置信度门控」理解评分可靠性
- 阅读「错误码体系」掌握异常处理
- 阅读「FAQ 反模式」避免常见错误
- 自定义权重实现个性化评估
7.3 自定义权重说明
用户可提供自定义权重，格式如下：
权重配置：功能性=30%，可靠性=20%，易用性=15%，创新性=20%，可持续性=15%
权重配置要求：
- 五项权重之和必须等于 100%
- 每项权重范围：10%-50%
- 未配置的维度使用默认权重
八、用户协议
<!-- user-agreement-injected -->使用本 Skill 即表示您同意以下条款：
-
责任承担：使用者须自行承担使用本 Skill 产生的全部责任。评估结果仅供参考，不构成任何形式的专业建议、决策依据或行动指引。
-
禁止反向工程：不得对本 Skill 的底层逻辑、评分算法、提示词结构进行反向工程、破解、篡改或二次分发。
-
合规使用：使用者须确保使用本 Skill 的行为符合当地法律法规及平台规则，不得用于任何非法或不当用途。
-
数据安全：使用者须自行负责输入数据的合规性，不得输入涉及国家秘密、商业秘密或个人隐私的敏感信息。
-
免责声明：本 Skill 由 AI 辅助生成，可能存在局限性和不准确性。使用者应结合自身判断使用评估结果，不应对评估结果过度依赖。
九、许可证（License）
<!-- professional-license-embedded -->MIT License
版权所有 (c) 2025 林墨研
特此免费授予任何获得本软件及相关文档文件（以下简称"软件"）副本的人士，不受限制地处理本软件，包括但不限于使用、复制、修改、合并、发布、分发、再许可和/或销售软件副本的权利，并允许向其提供软件的人士这样做，但须满足以下条件：
上述版权声明和本许可声明应包含在软件的所有副本或实质性部分中。
本软件按"原样"提供，不作任何明示或暗示的保证，包括但不限于适销性、特定用途适用性和非侵权性的保证。在任何情况下，作者或版权持有人均不对任何索赔、损害或其他责任负责，无论是在合同诉讼、侵权行为或其他方面，由软件或软件的使用或其他交易引起、产生于或与之相关。
本 Skill 文档由 AI 辅助生成，仅供学习参考。使用前请阅读相关文档，评估结果请结合实际情况谨慎参考。