| name | score |
| description | 为 AI agent 设计的加权维度打分框架 —— "Don't guess. Score." 核心理念：先理解需求、先草稿再迭代，agent 是分析师。通过 `x score compute` 输出排序后的 TSV。
|
| metadata | {"related":"rule,naming"} |
Score
"Don't guess. Score."
为 AI agent 设计的加权维度打分框架。
How to use
先理解，再打分。 定义维度之前先问足够多的问题。维度错了 → 分数再准也没用。
先草稿再迭代。 当需求不完全清晰时，做一个尽力而为的标准、打分、给出结果。用户对具体排名会反馈 —— "这个 factor 应该更高"、"你漏了 X"。那是信号。精化再重打分。一次迭代胜过十轮瞎猜。
agent 是分析师。 compute 之后，读 TSV。解释 X 为什么赢 Y。突出惊喜。建议调整。排名开启对话，不是结束对话。
Core flow
① 理解需求 → ② 定义 score.yml → ③ 打分 score.tsv → ④ x score compute → ⑤ 报告 & 迭代
Output：target, total, rank, block, reason, <dim> (X%), evidence。Total 0–100，降序。rank=1 最佳。
Example — 帮助用户决定宣传标语
- 与用户讨论，确定评估维度与判据。写
slogan.score.yml。
- AI 给每条标语按维度打分（0–10，带证据）→
slogan.score.tsv。Total 与 rank 留空。
x score compute slogan.score.yml slogan.score.tsv → 填 total + rank。- 读结果，与用户讨论。调整分数或加候选，重复。
- 或：
x score iter -f slogan.score.yml slogan.score.tsv "<feedback>"
更多示例：EXAMPLE.md。
Two-file model
*.score.yml — 可复用标准：维度、factor、描述**.score.tsv — 目标 + 分数 + 证据；第 1 列 = 目标名
x score compute <yml> <tsv> 与 python compute.py 等价。
Application scenarios
- 给 agent 一个决策工作流。 score.yml 把 agent 锚定在结构化流程 —— agent 跟随标准，而不是上一条消息的情绪。
- 决策基于规则。 维度 × factor × 证据 → 加权总分 → 排名。每个分数都锚定事实。推理透明。
- 按需求调优。 换维度、调 factor、加硬过滤（
block 列）。同一模板，不同用户。
- 随需求澄清而演进。 草稿 → 打分 → 反馈 → 精化 → 更锋利。
- 任何 skill 的标准文件 + 归档结果。 score.yml = 决策标准。score.tsv = 决策记录。两者可归档、可审查、可分享。
Formula
total = Σ(factor × score) ÷ Σ(factor) × 10 → 0–100
- factor — 整数 1–10。基线 = 2。1=次要，4=2×，6=3×，8=4×，10=5×。自动归一化。
- score — 每个维度 0–10，证据锚定。
- total — 加权总分 0–100。
维度表头显示权重 %：
factor ÷ Σ(factor) × 100。
Output columns
| Column | Source | Description |
|---|
target | input | 候选名 |
total | computed | 加权分数（0–100） |
rank | computed | 1 = 最佳。X 表示被 block |
block | input | 硬过滤 —— 非空 = 失格，压到底部，rank=X |
reason | input/output | 可选：AI 关于分数细微处的备注 |
<dim> (X%) | computed | 每维度分数，表头显示权重 % |
evidence | input | 每个分数背后的事实 |
Scale
- 9–10 — Excellent — 完全满足判据
- 7–8 — Good — 满足判据，有小差距
- 5–6 — Adequate — 方向对，有明显缺口
- 3–4 — Weak — 显著缺口
- 1–2 — Fail — 几乎没满足
- 0 — N/A — 不适用
Rules
- 证据锚定 —— 每个分数都必须有证据。是事实，不是感觉。
- 用满全区间 —— 5 是中点，不是默认。0 与 10 罕见但可能。
- factor 是相对放大器 —— factor 2 = factor 1 影响力的 2 倍。自动归一化。
- 目标唯一且非空 —— 第 1 列每行必须有目标名。无重复、无空。
- agent 读、报、决 —— compute 之后，解释结果。按需重打分或重赋权。
Files
SKILL.cn.md — 中文版compute.py — 校验 + 计算 total + ranktemplate/*.score.yml — 35+ 模板。x score ls 列出，x score init -t <name> 复制EXAMPLE.md — 更多用法示例rule-vs-score.md — 何时用 rule vs scorescore-template-writer.md — 如何写打分模板
Related
