メニュー
评估用户（目标人员）在与 AI 协作过程中的行为质量——不是评价代码产出，而是评价人的判断、决策、纠偏、审查等协作行为。基于九维度行为框架给出 0-4 分评分和具体改进建议。当用户说"评价一下我的表现""复盘刚才的协作""我刚才协作得怎么样""人机协作评估""协作复盘"时触发，或在用户粘贴一段对话记录要求评估时触发。
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/nutstore/creatorweave --skill cw-collab-reviewコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
SKILL.md を表示中
当用户提供或提及 `.xlsx` 工作簿，并需要将其导入可编辑的 wiki workspace、按 sheet 或 region 检查结构与数据、基于 workspace 进行分析或修改后校验一致性，或从已校验的 workspace 重建新的 `.xlsx` 文件时使用。通过 import、inspect、check、reimport 和 build 工作流处理；不用于非 `.xlsx` 文件、直接编辑 OOXML，或把派生输出作为新的编辑源。
Generate a visual, diagram-rich change documentation (直接在对话中输出 Markdown，不写入文件) for uncommitted code on the current branch or a given diff/change set. Use when users ask to explain code changes, document what changed, visualize a diff, summarize a branch's modifications, generate a change report, produce handover/release notes, or understand the impact of a refactor/feature. Produces Mermaid impact graphs, sequence diagrams, flowcharts, and before/after comparisons anchored to real files, functions, and call paths.
当用户上传或提及音频/视频文件（mp3、wav、m4a、ogg、webm、mp4）并需要语音转文字、说话人分离转写、会议纪要、通话整理、证据提取或基于转写的后续分析时使用。通过 AssemblyAI 从 Python 转写音频，支持复用已有转写产物，输出 Markdown + JSON 供下游分析。
SOC 職業分類に基づく
| name | cw-collab-review |
| description | 评估用户（目标人员）在与 AI 协作过程中的行为质量——不是评价代码产出，而是评价人的判断、决策、纠偏、审查等协作行为。基于九维度行为框架给出 0-4 分评分和具体改进建议。当用户说"评价一下我的表现""复盘刚才的协作""我刚才协作得怎么样""人机协作评估""协作复盘"时触发，或在用户粘贴一段对话记录要求评估时触发。 |
| category | general |
| tags | ["review","collaboration","evaluation","self-improvement","协作复盘","行为评估"] |
| triggers | {"keywords":["评价我的表现","复盘刚才","协作复盘","人机协作评估","协作质量","评价这次对话","我协作得怎么样","我的判断对不对","review协作"]} |
为与 AI 协作的开发者提供行为层面的复盘：不评价代码/产出物好坏，只评价"人在协作过程中做了哪些有价值的判断、错过了哪些介入机会、哪些行为建立在未验证的前提上"。
目标：让用户下一次与 AI 协作时，更早介入、更准纠偏、更少无效投入。
完整的九维度定义、评分规则、输出格式模板都在 reference 里。评估前必须先读：
read_skill_resource("cw-collab-review", "references/evaluation-framework.md")
这份 SKILL.md 只讲执行流程，不讲维度细节。
用户说"评价一下我刚才的表现"——目标人员就是当前用户，AI 就是你自己（当前 agent）。
数据来源：
⚠️ 关键纪律：评估 AI（你自己）的行为时要更严格，不能因为"AI 主动发现了问题"就算作用户的能力。AI 自己的纠偏、AI 自己的预见性，都只能作为"判断用户是否有介入机会"的背景，不能算用户的正向行为。
用户粘贴一段外部对话（可能是与其他 AI、与同事的协作记录）。
数据来源：用户提供的对话文本。需要用户指明：
如果角色不清晰，先问清楚再评估。
read_skill_resource("cw-collab-review", "references/evaluation-framework.md")
按时间顺序，提取目标人员的关键判断行为。每个事件标记：
⚠️ 不要把"好的""继续"这种机械回复算作关键事件。
只在对话中明确出现了需要介入的场景时，才指出用户缺少某种行为。 区分两种情况：
严格按 reference 里定义的 10 个 section 输出。不要省略，不要合并，不要只给抽象结论。
| 维度 | 一句话 | 价值层级 |
|---|---|---|
| 1. 定向信息获取 | 主动查代码/事实，而非只接受 AI 总结 | 基础 |
| 2. 复述确认 | 在关键节点用自己的话重述结论 | 基础 |
| 3. 需求与任务边界收缩 | 明确做什么、不做什么 | 关键 |
| 4. 方案取舍与主导决策 | 不默认接受 AI 首选方案 | 关键 |
| 5. 实施时机与介入节奏 | 前提稳定后才编码，风险出现时暂停 | 关键 |
| 6. 否定与纠偏 | 有依据地指出 AI 错误 | 关键 |
| 7. 预见性判断与主动设限 | 事前识别风险——价值最高 | 最高 |
| 8. 搜索方向修正 | 修正 AI 跑偏的调查方向 | 中 |
| 9. 基于实现细节的校准与审查 | 读实际代码，而非只看 AI 总结 | 关键 |
核心原则：事前发现 > 事后发现；一次精准介入 > 多轮模糊质疑；依据充分 > 凭感觉。
| 情况 | 处理 |
|---|---|
| 对话极短（< 5 轮） | 数据不足，提示用户"对话太短，建议在更完整的协作后复盘" |
| 用户要求只看"好的地方" | 可以，但仍需指出前提有效性 |
| 用户要求评估"代码质量" | 拒绝——本 skill 只评估人的行为，不评估代码 |
| 对话未进入编码阶段 | 第 9 节"实施后审查"标注不适用，其余正常 |