score

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

1. 与用户讨论，确定评估维度与判据。写 slogan.score.yml。
2. AI 给每条标语按维度打分（0–10，带证据）→ slogan.score.tsv。Total 与 rank 留空。
3. x score compute slogan.score.yml slogan.score.tsv → 填 total + rank。
4. 读结果，与用户讨论。调整分数或加候选，重复。
5. 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

1. 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。
2. 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。
3. 按需求调优。 换维度、调 factor、加硬过滤（block 列）。同一模板，不同用户。
4. 随需求澄清而演进。 草稿 → 打分 → 反馈 → 精化 → 更锋利。
5. 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

1. 证据锚定 —— 每个分数都必须有证据。是事实，不是感觉。
2. 用满全区间 —— 5 是中点，不是默认。0 与 10 罕见但可能。
3. factor 是相对放大器 —— factor 2 = factor 1 影响力的 2 倍。自动归一化。
4. 目标唯一且非空 —— 第 1 列每行必须有目标名。无重复、无空。
5. 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 + rank
• template/*.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 score
• score-template-writer.md — 如何写打分模板

Related

• rule — 配对的合规伴侣
• naming — 候选名在此打分