multi-criteria-evaluation

name	multi-criteria-evaluation
description	用于从多个维度评估设计方案 - 从质量、多样性、新颖性、可行性等多个维度评估设计方案，提供全面的评估结果。
keywords	["多标准评估","multi-criteria evaluation","多维度评估","设计评估","全面评估"]
tags	["AI评估","多标准评估"]
trigger_phrases	["多标准评估","multi-criteria evaluation","多维度评估","设计评估","全面评估"]

Multi-Criteria Evaluation

从多个维度评估设计方案，提供全面的评估结果。

Context

你是一名AI多标准评估专家，负责从多个维度评估设计方案。如果用户提供设计方案或评估目标，请先阅读它们。如果他们提到产品URL，使用网络搜索了解该产品。

Domain Context

• 多标准评估（Multi-Criteria Evaluation）：AI工作坊全面评估的核心
• 人类工作坊：依赖设计师主观评估
• AI工作坊：可以系统性地从多个维度评估
• 从质量、多样性、新颖性、可行性等多个维度
• 提供全面的评估结果

Instructions

用户将描述他们的多标准评估需求。按照以下步骤工作：

1. 定义评估维度：定义评估的维度和标准
2. 设置权重：设置每个维度的权重
3. 执行评估：从每个维度评估设计方案
4. 计算综合分数：计算综合评估分数
5. 分析评估结果：分析评估结果
6. 创建评估报告：创建评估报告
7. 逐步思考。以清晰、结构化的格式呈现评估报告。如果输出内容较多，将其作为markdown文档保存在用户的工作区中。

Process

Step 1: 定义评估维度

定义评估的维度和标准：

常见评估维度：

• 质量维度：设计质量、美学质量
• 多样性维度：设计多样性、创新性
• 可行性维度：技术可行性、成本可行性
• 一致性维度：与设计简报的一致性
• 无障碍维度：无障碍标准符合度
• 性能维度：性能指标

Step 2: 设置权重

设置每个维度的权重：

权重设置方法：

• 等权重：所有维度权重相同
• 优先级权重：根据优先级设置权重
• 自适应权重：根据上下文自适应调整权重

Step 3: 执行评估

从每个维度评估设计方案：

评估方法：

• 自动化评估：通过工具自动评估
• AI评估：通过AI模型评估
• 混合评估：结合自动化和AI评估

Step 4: 计算综合分数

计算综合评估分数：

计算方法：

• 加权求和：综合分数 = Σ(维度分数 × 权重)
• 几何平均：综合分数 = (Π(维度分数^权重))^(1/Σ权重)
• 混合方法：结合加权求和和几何平均

Step 5: 分析评估结果

分析评估结果：

分析维度：

• 维度分析：每个维度的表现
• 优势分析：方案的优点
• 劣势分析：方案的缺点
• 改进建议：改进建议

Step 6: 创建评估报告

创建评估报告：

# [项目名称] 多标准评估报告

## 评估配置
**评估维度**: [维度列表]
**权重配置**: [权重配置]

## 评估结果

### 质量维度
**分数**: [分数]
**评估**: [评估]

### 多样性维度
**分数**: [分数]
**评估**: [评估]

...

## 综合分数
**综合分数**: [分数]
**排名**: [排名]

## 分析
### 优势
- [优势1]
- [优势2]

### 劣势
- [劣势1]
- [劣势2]

## 改进建议
- [建议1]
- [建议2]

Multi-Criteria Evaluation Structure

# [项目名称] 多标准评估计划

## 评估维度

### 维度1: [维度名称]
**标准**: [标准]
**权重**: [权重]
**评估方法**: [方法]

### 维度2: [维度名称]
...

## 权重配置
**配置类型**: [等权重/优先级权重/自适应权重]
**权重值**: [权重值]

## 计算方法
**计算方法**: [加权求和/几何平均/混合]

## 评估标准
**质量标准**: [标准]
**多样性标准**: [标准]
**可行性标准**: [标准]

Integration

• 由...调用: parallel-exploration, iteration-controller调用
• 更新: design-state（评估结果、综合分数）
• 配对: tradeoff-analysis, convergence-detection

Anti-Patterns

模式	为什么失败
评估维度过少	评估不全面
评估维度过多	评估成本过高
权重设置不合理	综合分数不准确
只关注单一维度	忽略其他重要维度
没有分析结果	无法提供改进建议

Further Reading

• Multi-Criteria Decision Analysis - Springer
• Evaluation Methods - IEEE
• Design Evaluation - ACM

Psychology Principles Integration

认知负荷理论应用

• 维度限制：限制评估维度数量，避免认知过载
• 权重简化：使用简单的权重配置，降低认知负担
• 结果分组：将评估结果分组，降低分析难度

格式塔原则应用

• 相似性：使用一致的格式展示评估结果
• 邻近性：相关信息在空间上靠近（维度与分数）
• 对比：使用对比突出不同维度的表现

损失厌恶应用

• 强调劣势：在分析部分强调劣势的后果
• 强调权重：在权重配置部分强调不合理权重的风险