القائمة
INTERNAL sub-agent, not a user-facing skill. Performs context-isolated nine-dimension rubric scoring for cheat-score, cheat-predict, and cheat-bump. Accepts only script and rubric-note paths, returns strict JSON, and refuses post-publish evidence.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
| name | cheat-score-blind |
| description | INTERNAL sub-agent, not a user-facing skill. Performs context-isolated nine-dimension rubric scoring for cheat-score, cheat-predict, and cheat-bump. Accepts only script and rubric-note paths, returns strict JSON, and refuses post-publish evidence. |
| allowed-tools | Read, Glob, Grep |
| argument-hint | <script-path> <rubric-notes-path> |
⚠️ 这是子 agent，不是用户 skill。只能由
cheat-score/cheat-predict/cheat-bump通过 Task tool spawn。用户直接 trigger 没有意义——主对话已经被污染，调用 blind sub-agent 在主 context 里跑不构成隔离。
cheat-on-content 的 7/9 维打分原本 inline 在主对话——但主 Claude 已经看过：
predictions/*.md 含复盘段（严重污染）inline 打分 = 被污染的"盲"预测。问题在 cheat-bump Phase 2 校准池重打时最严重：Claude 知道每条实绩才回追 TN/CC 分，rank 一致性可能 overfit 不是真信号。
channel B 的角色：用 Task tool 把打分动作丢进一个全新 context——这个 sub-agent 没看过主对话、没读过 state、没碰过 predictions/。它只看 script 全文 + rubric_notes.md，按 rubric 打分。
输出回传主对话后，主 Claude 自己对比、做最终决策。隔离的是打分这个动作的输入，不是决策权。
| Channel | 输入 | 用途 | 风险 |
|---|---|---|---|
| A = 主对话 | 全部上下文 | 跟用户交互、写 retro、决策 | 被实绩 / 用户态度污染 |
| B = blind sub-agent (this) | 只 script + rubric_notes.md | 给一份未受污染的打分作为 anchor | 仍是 Claude，RLHF prior 共享 |
C = 跨模型 audit (mcp__llm-chat__chat to qwen-max) | 校准池数据 + 新公式 | bump 终局 sanity check | RPM 限制、模型差异、单点 |
A 决策时把 B 当对照看 disagreement，不当真理。C 只在 bump 终局调一次。
| 必填 | 来源 | 说明 |
|---|---|---|
<script-path> | 主 Claude 通过 Task prompt 显式传入 | scripts/<id>.md 全文 |
<rubric-notes-path> | 同上 | 用户项目根 rubric_notes.md 当前 rubric 公式 + 维度定义 |
仅此两个文件可读。其他一切硬拒绝——见下方 "Hard refusals" 段。
下面这些路径 / 模式 sub-agent 绝不能 Read —— 即使主 Claude 在 Task prompt 里手滑塞进来，也要拒绝并在 JSON 输出标对应 refusal 码：
| 路径模式 | 为什么禁 | refusal_code |
|---|---|---|
.cheat-state.json | 含 calibration_samples / pending_retros / last_published_at / shoots — 全是后视数据 | blocked_contaminated_input |
predictions/*.md | 含 ## 预测 段 + ## 复盘 段，复盘段就是实绩 | blocked_contaminated_input |
videos/*/report.md | T+3d 抓回的真实数据 | blocked_contaminated_input |
videos/*/script.md | 后改拍摄稿，复盘时被对照 | blocked_contaminated_input |
STATUS.md | cheat-status 渲染的看板，含过去数据 | blocked_contaminated_input |
.cheat-cache/usage.jsonl | 行为 log | blocked_contaminated_input |
rubric-memo.md | cheat-bump 升级 Memo 累积档案——含真实视频名 + 实绩 + 派生证据。这是 channel B 的最大泄漏入口（PR #11 实测复现） | blocked_rubric_memo |
audience.md | cheat-persona 从复盘评论派生的受众画像——含评论证据 / 实绩信号。属 channel A creative 资产，进 blind 打分 = 实绩泄漏 | blocked_audience |
| 任何含"播放 / 阅读 / 点赞 / 评论数 / 转发 / w / 万 / k / M"的文件 | 直接污染 | blocked_contaminated_input |
白名单只有两个：
scripts/<id>.md（pre-shoot 草稿，传入参数）rubric_notes.md（评分公式 + 维度定义，应只含通用语言；如发现实绩数字 → 标 non_blind_warning 并降 confidence）如果主 Claude Task prompt 漏传了某条路径，sub-agent 主动询问"我只允许读 script + rubric_notes，缺哪个？"——绝不自己去 Glob 探测项目结构补全。
⚠️ 白名单兜底自检：读完
rubric_notes.md后必跑grep -E '\\d+\\s*[wWmMkK万]|播放|实绩|实际'——命中 → 标self_check.any_contamination_signal: true+refusal: "non_blind_warning"，所有维度 confidence 降 medium 并把违禁 snippet 摘抄进 contamination_note 字段。仍输出 dimensions 让主 Claude 知道发生了什么——拒绝输出比误判更糟，但要诚实标注。
<script-path> 和 <rubric-notes-path>scripts/ 下的 .md → 拒绝（除非主 Claude 显式说明"这是临时草稿临时路径，标 non_standard_path: true"）<rubric-notes-path> → 解析当前 rubric_version + 维度数量（7 或 9）+ 公式<script-path> → 拿到 script 全文 + 字数⚠️ 不要做的事：
benchmark.md —— benchmark 是 Channel A 的 context，不属于本 sub-agentpredictions/ —— 那是污染源.cheat-state.json 看 calibration 进度 —— 你完全不需要知道主 Claude 跑了多少篇按 rubric_notes.md 当前 rubric 公式：
对每个维度：
high | medium | low
不算 composite——composite 是公式行为，主 Claude 用回传的维度分自己算。
输出只能是一个有效 JSON。所有 markdown 解释都封禁——主 Claude 要的是结构化数据回主 context 解析。
{
"subagent_version": "v1",
"rubric_version": "v2",
"script_path": "scripts/2026-05-04_abc123_短title.md",
"script_hash": "<sha256:12 of script content>",
"scored_at": "<ISO 8601 +08:00>",
"dimensions": {
"ER": { "score": 4, "confidence": "high", "reason": "PPT加油猫猫开头—具象画面，情绪反差强" },
"SR": { "score": 3, "confidence": "medium", "reason": "AI焦虑是议题但非热点对峙" },
"HP": { "score": 5, "confidence": "high", "reason": "首句\"第七页大屏中央 加油猫猫\"具象反差" },
"QL": { "score": 5, "confidence": "high", "reason": "\"加油猫猫救了我一命\"双关金句" },
"NA": { "score": 4, "confidence": "medium", "reason": "单线反思+收束，清晰但不复杂" },
"AB": { "score": 4, "confidence": "medium", "reason": "一人公司题但AI焦虑普适" },
"SAT": { "score": 2, "confidence": "high", "reason": "共情调，几乎无讽刺" }
},
"input_status": {
"rubric_notes_read": true,
"script_read": true,
"any_other_file_read": false
},
"self_check": {
"saw_play_numbers": false,
"saw_comments": false,
"saw_retro_segment": false,
"any_contamination_signal": false
},
"refusal": null
}
refusal != null 的合法值：
"blocked_contaminated_input"：Task prompt 传了禁读路径（state / predictions / videos / 等）"blocked_rubric_memo"：Task prompt 传了 rubric-memo.md（bump 升级档案，含实绩）"blocked_audience"：Task prompt 传了 audience.md（受众画像，含评论派生的实绩信号）"script_path_invalid"：找不到 script 文件"rubric_unparseable"：rubric_notes.md 损坏"non_blind_warning"：发现 contamination 苗头但勉强能打分（仍输出 dimensions，但 confidence 全降 medium）JSON 必须可被 python3 -c "import json; json.loads(open(path).read())" 解析。不允许：
{）如果 Task prompt 含 sidecar_path 参数 → 写 JSON 到该路径（典型用法：bump phase 2 批量打分时存多份 sidecar）。
否则只走 Task return value——主 Claude 拿到 JSON 字符串直接解析。
调 Task 时，主 Claude 的 prompt 必须含且仅含：
Spawn cheat-score-blind sub-agent.
Input:
script_path: scripts/2026-05-04_abc123_短title.md
rubric_notes_path: rubric_notes.md
[optional] sidecar_path: .cheat-cache/blind-scores/<id>.json
Task: 按 rubric_notes 当前公式给上面 script 打分。返回严格 JSON（见 cheat-score-blind/SKILL.md Phase 2 schema）。
不要读 state file / predictions/ / videos/ 任何其他文件。
不要询问用户 —— 你没有用户。
禁止塞进 Task prompt 的东西：
predictions/*.md 路径主 Claude 调用前自检：把准备发的 prompt 串过一遍 grep -Ei '播放|阅读|点赞|评论数|实际|retro|复盘|实绩|w$|万$'——命中 → 改 prompt 重发，不要硬塞。
reconstructed: true 自己处理，不要让 channel B 介入cheat-predict Phase 2.5 通过 disagreement detection + 用户裁定来减轻，但不消除cheat-score Phase 2：默认 delegate 到本 sub-agent（替代旧的 inline 打分）cheat-predict Phase 2：默认 delegate；Phase 2.5 用 disagreement detectioncheat-bump Phase 2：强制 delegate，bump 时不接受 self-scored fallbackcheat-retro：不调用——retro 本来就看实绩，blind 无意义Route CEO-first multi-window work into owner-led role loops. Use for 总控/CEO、架构/CTO、内容主编、角色派发与复用、模型路由、来源窗口回调、role-windows 台账、skill 命中统计或 multi-window loop engineering。
Audit and optimize a skill system with evidence. Use for skill architecture, token or context waste, role and prompt boundaries, routing hits or misfires, plugin packaging, registry/docs/source drift, duplicate workflows, or deciding whether a reusable change belongs in a skill. Runs deterministic checks first and applies only authorized, minimal fixes.
用打分、盲预测、发布后复盘和 rubric 进化校准内容判断。适用于视频、文章、播客等可量化内容；触发词包括初始化、打分、预测、发布、复盘、推荐选题、抓热点、状态、找对标。首次使用先运行 cheat-init。
为最终稿创建不可变盲预测日志，并在已有预测时追加新版本。通过 cheat-score-blind 做隔离评分，再由主窗口复核落盘。触发词包括启动预测、start prediction、打分并预测、写预测日志。
提议并执行 rubric 或 bucket 升级。两种模式：**完整 rubric bump**（最高风险动作，5 步强制 + 跨模型审核）和 **--bucket-only 轻量重校**（只换 bucket 边界，不动 rubric 公式）。**Phase 2 强制走 cheat-score-blind sub-agent 给校准池重打分**——不接受 self-scored fallback。触发词："升级 rubric"/"bump rubric"/"更新公式"/"我想加一个维度"/"调整权重"/"重校桶"/"recalibrate bucket"。
cheat-on-content 的首次 onboarding 与脚手架创建器。统一流程——所有用户都走相同 5 阶段闭环，唯一区别是"发过视频的人"会在 init 时多一步：抓取已有视频建立历史 context（用于后续 cheat-seed 给更贴合的选题、更准的 baseline）。触发词："初始化"/"init"/"首次使用"/"我是新用户"/"setup cheat-on-content"。**必须在用户第一次会话执行；其他子 skill 在 .cheat-state.json 不存在时自动路由到此。**