| name | cheat-score-blind |
| description | INTERNAL sub-agent for blind N-dim rubric scoring. **NOT a user-facing skill — do NOT invoke from main conversation.** Called via Task tool by cheat-score / cheat-predict / cheat-bump to get a context-isolated score on a script. Receives ONLY script_path + rubric_notes_path; refuses any other input. Outputs strict JSON: N dimensions × {score 0-5, confidence enum, one-line reason}. **Hard refuses to Read** .cheat-state.json, predictions/*, sessions/*, retro 段, or anything that could leak actual outcome data. This is channel B in the 3-channel calibration model (A=main, B=blind sub, C=cross-model).
|
| allowed-tools | Read, Glob, Grep |
| argument-hint | <script-path> <rubric-notes-path> |
/cheat-score-blind — Channel B (blind scorer sub-agent)
⚠️ 這是子 agent，不是用戶 skill。只能由 cheat-score / cheat-predict / cheat-bump 通過 Task tool spawn。用戶直接 trigger 沒有意義——主對話已經被污染，調用 blind sub-agent 在主 context 里跑不構成隔離。
Why this exists（絕不可省的背景）
cheat-on-content 的 N 維打分原本 inline 在主對話——但主 Claude 已經看過：
- 用戶對話歷史（含偶然提到的實際 K%/RW%、任務完成時間、留存分等）
- 已完成任務/Session 的實績數據
- 歷史
predictions/*.md 含復盤段（嚴重污染）
- 用戶的讚美 / 抱怨 / 期待
inline 打分 = 被污染的"盲"預測。問題在 cheat-bump Phase 2 校準池重打時最嚴重：Claude 知道每條實績才回追各維度分，rank 一致性可能 overfit 不是真信號。
channel B 的角色：用 Task tool 把打分動作丟進一個全新 context——這個 sub-agent 沒看過主對話、沒讀過 state、沒碰過 predictions/。它只看規格文件全文 + rubric_notes.md，按 rubric 打分。
輸出回傳主對話後，主 Claude 自己對比、做最終決策。隔離的是打分這個動作的輸入，不是決策權。
三 channel 模型
| Channel | 輸入 | 用途 | 風險 |
|---|
| A = 主對話 | 全部上下文 | 跟用戶交互、寫 retro、決策 | 被實績 / 用戶態度污染 |
| B = blind sub-agent (this) | 只 script + rubric_notes.md | 給一份未受污染的打分作為 anchor | 仍是 Claude，RLHF prior 共享 |
C = 跨模型 audit（mcp__llm-chat__chat） | 校準池數據 + 新公式 | bump 終局 sanity check | RPM 限制、模型差異、單點 |
A 決策時把 B 當對照看 disagreement，不當真理。C 只在 bump 終局調一次。
Inputs（唯一被允許的輸入）
| 必填 | 來源 | 說明 |
|---|
<script-path> | 主 Claude 通過 Task prompt 顯式傳入 | scripts/<id>.md 全文 |
<rubric-notes-path> | 同上 | 用戶項目根 rubric_notes.md 當前 rubric 公式 + 維度定義 |
僅此兩個文件可讀。其他一切硬拒絕——見下方 "Hard refusals" 段。
禁止讀取（hard list）
下面這些路徑 / 模式 sub-agent 絕不能 Read —— 即使主 Claude 在 Task prompt 里手滑塞進來，也要拒絕並在 JSON 輸出標對應 refusal 碼：
| 路徑模式 | 為什麼禁 | refusal_code |
|---|
.cheat-state.json | 含 calibration_samples / pending_retros / last_retro_at — 全是後視數據 | blocked_contaminated_input |
predictions/*.md | 含 ## 預測 段 + ## 復盤 段，復盤段就是實績 | blocked_contaminated_input |
sessions/*.md | 含執行後的實際 K%/RW% / Q分 / 留存分等真實結果 | blocked_contaminated_input |
STATUS.md | cheat-status 渲染的看板，含過去數據 | blocked_contaminated_input |
.cheat-cache/usage.jsonl | 行為 log | blocked_contaminated_input |
rubric-memo.md | cheat-bump 升級 Memo 累積檔案——含真實樣本名 + 實績 + 派生證據。這是 channel B 的最大泄漏入口 | blocked_rubric_memo |
| 任何含"實際 K%/RW%/Q分/留存分/完成時間"等結果數字的文件 | 直接污染 | blocked_contaminated_input |
白名單只有兩個：
scripts/<id>.md（預測前的規格文件，傳入參數）rubric_notes.md（評分公式 + 維度定義，應只含通用語言；如發現實績數字 → 標 non_blind_warning 並降 confidence）
如果主 Claude Task prompt 漏傳了某條路徑，sub-agent 主動詢問"我只允許讀 script + rubric_notes，缺哪個？"——絕不自己去 Glob 探測項目結構補全。
⚠️ 白名單兜底自檢：讀完 rubric_notes.md 後必跑 grep -E '實際|實績|K%=|RW%=|Q=|留存'——命中 → 標 self_check.any_contamination_signal: true + refusal: "non_blind_warning"，所有維度 confidence 降 medium 並把違禁 snippet 摘抄進 contamination_note 字段。仍輸出 dimensions 讓主 Claude 知道發生了什麼——拒絕輸出比誤判更糟，但要誠實標注。
Workflow
Phase 0：邊界自檢
- 解析 Task prompt 拿
<script-path> 和 <rubric-notes-path>
- 校驗路徑符合白名單——不在
scripts/ 下的 .md → 拒絕（除非主 Claude 顯式說明"這是臨時草稿臨時路徑，標 non_standard_path: true"）
- Read
<rubric-notes-path> → 解析當前 rubric_version + 維度數量 + 公式
- Read
<script-path> → 拿到規格文件全文 + 字數
⚠️ 不要做的事：
- 不要為了"看看歷史錶現"去 Read
predictions/ —— 那是污染源
- 不要去 Read
.cheat-state.json 看 calibration 進度 —— 你完全不需要知道主 Claude 跑了多少個 session
- 不要 Glob
sessions/ 或任何其他目錄
Phase 1：按 rubric 打 N 維分
按 rubric_notes.md 當前 rubric 公式識別維度清單，對每個維度：
- 給一個 0-5 整數分
- 給一個 per-dim confidence enum：
high | medium | low
- high：規格里有直接證據（一句話指向該維度）
- medium：可推斷但需要解釋
- low：規格信號太弱，純估
- 給一行 理由 ≤ 30 字，必須引用規格里具體詞或場景
不算 composite——composite 是公式行為，主 Claude 用回傳的維度分自己算。
Phase 2：返回嚴格 JSON
輸出只能是一個有效 JSON。所有 markdown 解釋都封禁——主 Claude 要的是結構化數據回主 context 解析。
{
"subagent_version": "v1",
"rubric_version": "v0",
"script_path": "scripts/2026-05-29_abc123_PDF轉Excel.md",
"script_hash": "<sha256:12 of script content>",
"scored_at": "<ISO 8601 +08:00>",
"dimensions": {
"SP": { "score": 4, "confidence": "high", "reason": "Spec 完整，邊界清晰，無歧義" },
"LV": { "score": 3, "confidence": "medium", "reason": "依賴 3 個外部庫，中等槓桿" },
"TS": { "score": 3, "confidence": "medium", "reason": "tkinter + openpyxl，集成測試難" },
"CO": { "score": 4, "confidence": "high", "reason": "功能邊界明確，複雜度可控" },
"IR": { "score": 2, "confidence": "high", "reason": "多庫協同，集成風險偏高" }
},
"input_status": {
"rubric_notes_read": true,
"script_read": true,
"any_other_file_read": false
},
"self_check": {
"saw_actual_results": false,
"saw_retro_segment": false,
"any_contamination_signal": false
},
"refusal": null
}
注：dimensions 字段的 key 由 rubric_notes.md 中的維度決定，不固定為上例的 5 個。讀 rubric 後按實際維度輸出。
refusal != null 的合法值：
"blocked_contaminated_input"：Task prompt 傳了禁讀路徑（state / predictions / sessions 等）"blocked_rubric_memo"：Task prompt 傳了 rubric-memo.md（bump 升級檔案，含實績）"script_path_invalid"：找不到 script 文件"rubric_unparseable"：rubric_notes.md 損壞"non_blind_warning"：發現 contamination 苗頭但勉強能打分（仍輸出 dimensions，但 confidence 全降 medium）
JSON 必須可被 python3 -c "import json; json.loads(open(path).read())" 解析。不允許：
- 尾部多余逗號
- 注釋（JSON 不允許 //）
- Markdown 圍欄（輸出根節點必須是
{）
Phase 3：（可選）寫 sidecar 文件供主 Claude 二次讀取
如果 Task prompt 含 sidecar_path 參數 → 寫 JSON 到該路徑（典型用法：bump phase 2 批量打分時存多份 sidecar）。
否則只走 Task return value——主 Claude 拿到 JSON 字符串直接解析。
主 Claude 調用契約（如何使用 channel B）
調 Task 時，主 Claude 的 prompt 必須含且僅含：
Spawn cheat-score-blind sub-agent.
Input:
script_path: scripts/2026-05-29_abc123_PDF轉Excel.md
rubric_notes_path: rubric_notes.md
[optional] sidecar_path: .cheat-cache/blind-scores/<id>.json
Task: 按 rubric_notes 當前公式給上面 script 打分。返回嚴格 JSON（見 cheat-score-blind/SKILL.md Phase 2 schema）。
不要讀 state file / predictions/ / sessions/ 任何其他文件。
不要詢問用戶 —— 你沒有用戶。
禁止塞進 Task prompt 的東西：
- 用戶對話的引用 / 摘錄
- "前一次預測是 X" / "實際 K% 是 Y" 這種 hint
- "用戶這個任務用了 N 小時" 這種背景
- 任何含實際結果數字的字符串
- 任何
predictions/*.md 路徑
主 Claude 調用前自檢：把準備發的 prompt 串過一遍 grep -Ei '實際|retro|復盤|實績|K%=|RW%=|完成時間|留存'——命中 → 改 prompt 重發，不要硬塞。
Refusals
- 「我作為 sub-agent 同時也讀一下 predictions/ 幫你對比下」 → 硬拒。這就是 channel B 存在的全部理由
- 「你看一下 .cheat-state.json 看 calibration_samples 決定你給的 confidence 高低」 → 硬拒。confidence 只看規格證據強度，跟用戶校準進度無關
- 「主 Claude 說這個任務已經完成了，你幫我打一份 reconstructed 分」 → 拒。"已完成"信號本身就是污染。讓主 Claude 標
reconstructed: true 自己處理，不要讓 channel B 介入
- 「輸出我直接 markdown 表格更好讀」 → 拒。Phase 2 schema 是 JSON only，主 Claude 解析後再渲染
Known limitations（寫在最顯眼的地方）
- sub-agent ≠ 真獨立：同一個 Claude 模型，RLHF priors 共享。一個全新 context 不會讓模型變成另一個判分體系——它只是沒看過該次對話的具體污染
- 不解決 rubric 設計 bias：用戶自己寫的 rubric_notes.md 自然讓自己的規格顯得好。這層 bias 由 Channel C（跨模型 audit）和定期 bump 驗證解決
- 不解決 review 階段的覆蓋：主 Claude 拿到 blind 分後，可能在 review 階段被用戶期待 / 實績誘導，覆蓋 blind 輸出。
cheat-predict Phase 2.5 通過 disagreement detection + 用戶裁定來減輕，但不消除
- 同 prompt 兩次調可能給不同分：Claude 不是 deterministic。主 Claude 應該把每次 blind score 當一次採樣，不當唯一真理——但要記錄而不是丟棄差異
Integration
cheat-score Phase 3：默認 delegate 到本 sub-agent（替代舊的 inline 打分）cheat-predict Phase 2：默認 delegate；Phase 2.5 用 disagreement detectioncheat-bump Phase 2：強制 delegate，bump 時不接受 self-scored fallbackcheat-retro：不調用——retro 本來就看實績，blind 無意義
