learn-eval-deep

name	learn-eval-deep
description	深度 skill 品質驗證 — 對單一 learned skill 跑三系統客觀評估（結構審計 + 觸發品質 + 消融實驗），結果映射回 learn-eval 的 5 維度評分。適合在 /learn-eval 後手動確認品質。
allowed-tools	Bash, Read, Glob, Grep, AskUserQuestion
argument-hint	[skill 路徑或名稱，留空則自動選最近儲存的 skill]

/learn-eval-deep — 深度 Skill 品質驗證

在 /learn-eval 給出自評分數後，用這個指令做客觀交叉驗證。

Step 1: 定位 Skill

有引數時： 直接使用指定路徑或名稱。若引數是名稱而非路徑，搜尋：

ls ~/.claude/skills/learned/*{引數}*.md 2>/dev/null
ls .claude/skills/learned/*{引數}*.md 2>/dev/null

無引數時： 找最近修改的 learned skill：

ls -t ~/.claude/skills/learned/*.md | head -1

確認目標後告知使用者：目標：{skill_name} ({line_count} 行)

Step 2: 選擇深度

提供三種模式讓使用者選：

選擇驗證深度：

1. structural — 結構分析（即時，0 tokens）
2. trigger — + 描述品質 + 觸發查詢生成（~6K tokens）
3. full — + 消融實驗，驗證 skill 是否真的有幫助（~18K tokens；僅 1 case × 1 run，統計力有限，只供 sanity check）

預設：1（直接按 Enter）

Step 3: 執行 Bridge

python3 ~/Documents/skills-ecosystem-eval/src/learn_eval_bridge.py \
  "{skill_path}" --mode {mode}

如果 bridge 不存在，提示先 clone：~/Documents/skills-ecosystem-eval/

Bridge 輸出完整性檢查： 呈現分數前，用確定性工具確認輸出包含所有必要欄位：

模式	必要欄位
structural	s3_score, code_score, density, section_score, redundancy_penalty
trigger	+ s1_score, description_quality
full	+ s2_delta, with_skill_score, without_skill_score

若有欄位缺失，停止計算並警告：[警告] Bridge 輸出缺少欄位：{缺失欄位列表}，分數計算不完整，映射結果不可靠。缺失欄位的對應維度分數標記為 N/A，不以 0 代入計算。

Step 4: 呈現結果

三系統分數

系統	分數	說明
System 3 (結構)	X/10	前置格式 + 章節 + 程式碼範例 + 內容密度
System 1 (觸發)	X/10	描述品質（+ trigger F1 如有）
System 2 (消融)	delta	with_skill vs without_skill（full 模式才有）

learn-eval 5 維度映射（含資料覆蓋率）

將三系統分數映射為 learn-eval 的 5 維度（1-5），與 learn-eval 自評並排顯示，每個維度旁標註資料來源可靠度：

維度	客觀分數	learn-eval 閾值 (≥3)	資料覆蓋率
Specificity	X.X/5	✓/✗	高 — S3 結構分析（確定性，1 次掃描）
Actionability	X.X/5	✓/✗	低 — S2 delta 基於 1 case × 1 run，僅供 sanity check
Scope Fit	X.X/5	✓/✗	中 — S1 描述品質分析（LLM 語意判斷，補充性）
Non-redundancy	X.X/5	✓/✗	高 — S3 結構分析（確定性）
Coverage	X.X/5	✓/✗	高 — S3 結構分析（確定性）

總分：XX.X/25 — Gate: PASS/FAIL

覆蓋率等級：高＝確定性工具（grep/glob/AST），結果可重現；中＝LLM 語意判斷，結果可能因 prompt 變化而浮動；低＝單一 case 消融實驗，統計力不足以做強結論。

標註重點

• 任何維度 < 3.0：明確標為 [FAIL] 並說明原因
• 冗餘度高：列出重疊的 skills 名稱
• 沒有程式碼範例：特別標註（最常見的扣分原因）
• 覆蓋率「低」的維度：加上 [低統計力] 標記，避免誤判

Step 5: 建議動作

根據結果給出具體建議：

結果	建議	驗證信心度
Gate PASS + 無 issue	品質確認，無需動作	取決於使用的模式（structural 最低，full 最高）
Gate PASS + 有 issue	列出改善項（如：加 code example）	中（LLM 語意判斷補充）
Gate FAIL	列出必要修正，問使用者是否要現在修	高（結構性驗證）
冗餘度高	建議合併或差異化，列出重疊 skill	高（grep 確定性搜尋）
delta ≤ 0 (full 模式)	skill 可能沒有實際幫助，建議檢視內容是否已被模型的 parametric knowledge 覆蓋	低 [低統計力] — 1 case 消融僅供方向參考，不宜直接退役

如果使用者同意修改： 直接讀取 skill 檔案，根據建議進行修改（加 code examples、改 description 等），修改後重跑 bridge 驗證。

映射公式

Bridge 將三系統分數轉為 learn-eval 5 維度的邏輯：

維度	來源	計算
Specificity	S3 code_score + density	1 + (code/10)×2 + (density/10)×2
Actionability	S2 delta + S3 structural	3 + delta×2 + (structural-5)×0.2
Scope Fit	S1 description_quality	1 + (desc_quality/10)×4
Non-redundancy	S3 redundancy_penalty	5 - penalty
Coverage	S3 section_score + density	1 + (section/10)×2 + (density/10)×2

（所有值 clamp 到 1.0-5.0）

限制

• structural 模式只看檔案結構，不呼叫 LLM
• trigger 模式生成查詢但不實際跑觸發測試（需要 run_eval.py 的 .claude/commands/ 機制）
• full 模式的消融只跑 1 case × 1 run（統計力有限，但夠做 sanity check）
• Active agents（~/.claude/agents/）的結構和 learned skills 不同，部分維度不適用