ob-benchmark

name	ob-benchmark
description	Obsidian 文章质量基准评测系统。通过交互式问答对知识库文章打分，记录缺点，自动提炼写作偏好。触发词：评分、打分、文章评价、ob-benchmark、知识库评分。

Obsidian 知识库质量评分助手，通过交互式问答让用户对文章进行主观质量评分，记录问题并自动提炼写作偏好。 建立人机结合的质量反馈闭环：用户评分 → 记录问题 → 提炼偏好 → 指导后续写作和采集。

触发词：
- 评分 / 打分 / 文章评价 / 知识库评分
- ob-benchmark / 给文章打分
- 评价知识库 / 文章质量

示例：
- "ob-benchmark"
- "帮我给知识库文章打分"
- "评分一下 claude 目录的文章"
- "评价一下我的文章质量"

requires=OBSIDIAN_REPO; focus=rate,preference,feedback 通过交互式评分记录文章质量反馈，自动提炼用户写作偏好，持续优化知识库质量标准。 **委托 ob-router skill** 解析当前激活仓库路径，扫描 wiki/ 目录，展示主题文件夹列表供用户选择。 逐篇展示选中文件夹的文章摘要信息（标题、标签、字数、更新时间），用户在 Obsidian 中查看后打分（1-10）并描述缺点，记录到评分表。 每评完 5 篇触发批量统计和偏好提炼，更新偏好文件。 文件夹评完后展示总结，用户可选择继续下一个文件夹或结束。

Obsidian 文章质量评分（ob-benchmark）

交互式文章评分系统，记录质量反馈并自动学习你的写作偏好。

配置检查

【硬约束】仓库路径一律委托 ob-router skill 解析，本 skill 不自行读取路径文件。

调用 ob-router skill 获取 $OBSIDIAN_REPO：

• ob-router 内部处理优先级（ob-router.json → CLAUDE.md → 询问）
• 若 ob-router.json 不存在，ob-router 会主动提示 ob-router init 持久化
• 若存在多个仓库，ob-router 会主动询问切换目标，不静默使用默认值

将 ob-router 返回的路径保存为 $OBSIDIAN_REPO，后续全程使用此变量。 4. 检查 $OBSIDIAN_REPO/wiki/ 目录是否存在 5. 如果不存在，提示用户先运行 ob-index 初始化

数据文件

评分表：$OBSIDIAN_REPO/wiki/.ratings.md

首次使用时自动创建，模板如下：

---
type: meta
tags: [rating, system]
updated_at: {当前日期}
---

# 文章评分表

> 通过交互式评分记录每篇文章的质量反馈，持续优化知识库。

## 统计

| 指标 | 值 |
|------|-----|
| 已评分 | 0 |
| 平均分 | — |
| 最高分 | — |
| 最低分 | — |

## 评分记录

| ID | 文章 | 分数 | 问题标签 | 用户评价 | 评价时间 |
|-----|------|------|----------|----------|----------|

偏好文件：$OBSIDIAN_REPO/wiki/.rating-preferences.md

首次触发偏好提炼时自动创建，模板如下：

---
type: meta
tags: [rating, preferences]
updated_at: {当前日期}
---

# 评分偏好

> 基于 {N} 篇已评分文章自动提炼的写作偏好。

## 高分文章特征（≥8分）

（评分积累后自动填充）

## 低分文章特征（≤5分）

（评分积累后自动填充）

## 偏好规则

（评分积累后自动填充量化规则）

执行流程

第一步：选择文件夹

1. 扫描 $OBSIDIAN_REPO/wiki/ 下的所有一级子目录
2. 统计每个目录中的 .md 文件数量（排除 index.md、log.md、以 . 开头的文件）
3. 读取 $OBSIDIAN_REPO/wiki/.ratings.md，统计每个目录的已评分数
4. 使用 AskUserQuestion 展示选项：

📊 文章评分系统

主题目录：
  1. ai/ (3篇, 已评0篇)
  2. claude/ (8篇, 已评3篇)
  3. current-affairs/ (10篇, 已评0篇)
  ...

选择要评分的文件夹（输入编号）：

5. 用户选择后，筛选出该目录下未评分的文章（排除已出现在评分表中的文章）
6. 如果所有文章已评分，提示选择其他文件夹

第二步：逐篇评分

对每篇未评分文章，按顺序执行：

展示文章：

读取文章文件的 frontmatter 获取标题（第一个 # 标题）、tags、updated_at、article_id，统计正文字数（排除 frontmatter）。

━━━ [3/8] {相对路径} ━━━
🆔 {article_id} | 📂 标题: {文章标题}
🏷️ 标签: {tags 逗号分隔}
📝 约 {字数} 字 | 📅 更新: {updated_at}

请在 Obsidian 中查看文章后评分（1-10）并说明缺点：
（输入分数和意见，如 "7分，太长，缺代码示例"）
（输入 s 跳过，输入 q 结束本轮）

如果文章缺少 article_id，显示为 🆔 无ID。

解析用户输入：

• 提取分数：找到输入中的 1-10 的整数（支持"7分"、"7"、"给7分"等格式）
• 如果输入中没有有效分数，提示"请输入 1-10 的分数"
• 提取问题标签：从用户描述中提取关键词作为问题标签
• 记录原始评价：保留用户的完整评价文字

记录数据：

将评分追加到 $OBSIDIAN_REPO/wiki/.ratings.md 的评分记录表：

| {article_id 或 "无ID"} | {相对路径去掉 wiki/ 前缀} | {分数} | {问题标签逗号分隔} | {用户评价} | {当前日期} |

更新统计部分：

• 已评分：+1
• 平均分：重新计算所有评分记录的平均值
• 最高分：取最大值，附文件名
• 最低分：取最小值，附文件名
• updated_at：更新为当前日期

第三步：批量统计与偏好提炼

触发时机：每评完 5 篇 或 文件夹评分结束时

展示本轮统计：

📊 本轮统计（已评{N}篇）

- 平均分：{x.x}
- 常见问题：{问题1}({n}次), {问题2}({n}次)
- 高分文章：{文件名}({分数}分)
- 低分文章：{文件名}({分数}分)

🧠 偏好更新
新增规则：
  - {规则描述}

继续评分剩余 {N} 篇？

偏好提炼逻辑：

读取 $OBSIDIAN_REPO/wiki/.ratings.md 中的所有评分记录，执行以下分析：

1. 问题频率统计：统计所有问题标签的出现次数，按频率降序排列。高频问题（出现 ≥3 次）为核心关注点
2. 分数-问题关联：计算每个问题标签关联的文章平均分。平均分 < 5 的问题为强负面偏好
3. 高分特征提取：分析所有 ≥8 分的文章，找出它们的共同特征
4. 低分特征提取：分析所有 ≤5 分的文章，找出它们的共同特征
5. 增量更新：将新分析结果与已有偏好合并。已有规则有新数据支撑时更新统计数字，发现新模式时追加规则

更新偏好文件 $OBSIDIAN_REPO/wiki/.rating-preferences.md：

• 更新 updated_at
• 更新开头描述中的 N 值
• 重写"高分文章特征"部分
• 重写"低分文章特征"部分
• 更新"偏好规则"部分，每条规则附数据支撑（如"偏好短文（≤500字，平均得分 7.2 vs 长文 5.1）"）

第四步：文件夹完成

一个文件夹所有文章评完后：

✅ {目录名}/ 目录评分完成

总评 {N} 篇，平均分 {x.x}
偏好文件已更新

选择下一个文件夹？还是结束？

用户选择后：

• 选另一个文件夹 → 回到第一步重新选择
• 结束 → 进入第五步

第五步：改进建议

评分结束后（用户选择结束或所有文件夹评完），基于评分数据和偏好规则生成可执行的改进建议。

读取数据：

1. 读取 $OBSIDIAN_REPO/wiki/.ratings.md 获取所有评分记录
2. 读取 $OBSIDIAN_REPO/wiki/.rating-preferences.md 获取偏好规则

生成建议：

按优先级分类输出：

🔧 改进建议（基于 {N} 篇评分数据）

🔴 建议删除（{n} 篇，平均分 ≤2）：
  - {文件路径} ({分数}分) — {一句话原因}
  ...

🟡 建议迁移（{n} 篇，分类不当）：
  - {文件路径} → {建议目录}/{建议文件名}
  ...

🟢 建议重写（{n} 篇，有内容但质量不足）：
  - {文件路径} — {主要改进方向}
  ...

✅ 保持不变（{n} 篇，≥6分）：
  - {文件路径} ({分数}分)

执行方式：

使用 AskUserQuestion 让用户选择要执行的操作：

选择要执行的改进（可多选）：
  □ 删除 {n} 篇低质量文章
  □ 迁移 {n} 篇分类不当的文章
  □ 查看重写建议（不自动执行）
  □ 暂不操作，仅记录

• 用户选择"删除" → 确认后移到 $OBSIDIAN_REPO/wiki/archive/ 目录（不直接删除）
• 用户选择"迁移" → 确认后移动文件并更新评分表中的路径
• 用户选择"重写建议" → 展示每篇的详细改进方向
• 用户选择"暂不操作" → 仅保存建议到 $OBSIDIAN_REPO/wiki/.rating-actions.md

输入解析规则

分数解析

从用户输入中提取 1-10 的整数，支持以下格式：

• "7分" → 7
• "7" → 7
• "给7分" → 7
• "我打7分" → 7
• "7/10" → 7

无法解析时提示"请输入 1-10 的分数"。

问题标签提取

从用户评价中提取有意义的关键词作为标签：

• "太长了" → 太长
• "缺少代码示例" → 缺代码示例
• "概念解释不清楚" → 概念不清
• "没有引言" → 缺引言
• "标题不明确" → 标题含糊

标签应简短（≤6字），去除语气词。

命令处理

输入	动作
s 或 skip	跳过当前文章，继续下一篇
q 或 quit	结束本轮评分，保存进度
1-10（纯数字）	记录分数，追问缺点

边界条件

场景	处理
文件夹所有文章已评分	提示选择其他文件夹
用户输入不含有效分数	提示"请输入 1-10 的分数"，等待重新输入
用户输入 s 跳过	跳过当前文章，继续下一篇
用户输入 q 结束	保存当前进度，展示已评统计后退出
评分文件不存在	首次使用，创建模板文件
偏好文件不存在	首次触发偏好提炼时创建
中途退出 Claude	进度已实时保存到文件中，下次启动自动恢复
wiki/ 下无子目录	提示用户先运行 ob-collect 采集内容

与其他 skill 的关系

Skill	关系
ob-tidy	ob-tidy 做自动检查（12项规则），ob-benchmark 做主观评分，互补
ob-collect	采集新文章后，可引导用户使用 ob-benchmark 评分
ob-index	评分表不参与索引，不写入 index.md
消费偏好	ob-tidy 和 ob-project-log 在执行时读取偏好文件指导内容质量