分数管家

从「对话感觉不错」到「协作水平可量化」

在真实的人机协作中，一个常见困境是：对话结束后，你很难说清自己到底配合得好不好。是任务本身不清晰，还是你没把背景交代完整？是模型没听懂，还是你的反馈本身就太模糊？

scoreme 解决这个问题的方式不是再写一套 prompt 模板，而是从你已有的对话中提取可观察的证据，按 CARE+E 框架 给你的协作表现打一个结构化的分。

工作原理

当你输入 Score Me、scoreme、审我、评估我 或 给我打分 时，技能会先做两项前置检查。第一，样本量检查：统计当前会话中用户消息条数，少于 10 条会直接拒绝并提示你继续聊。第二，评分锁定检查：如果本会话已经生成过报告，则从上次评估起新增的用户消息必须达到 10 条以上才会重新计算，防止你用一句话反复刷新分数。

通过检查后，它会逐条分析你发送的所有消息，在五个维度上打分：

• Clarity（清晰度，30%）：你的目标、约束和期望输出是否表达明确。
• Context（上下文，20%）：你是否主动提供了环境信息、代码、报错或背景资料。
• Feedback（反馈质量，15%）：不满意时，你给的是具体差异和修复方向，还是笼统的否定。
• Maturity（成熟度，15%）：你有没有质疑推理、检查输出、识别危险建议。
• Expertise（专业度，20%）：你的术语是否精确，能否识别专业错误，还是停留在通用词汇。

每个维度都配有 0–10 分的双语言评分标准，最后按权重算出总分，映射到 S 到 D 五个等级，例如 9.0–10 分是 S（硅基搭档），0–3.9 分是 D（生物验证码）。报告包含总分、各维度证据、方法论表格、AI 自我批评和一段 3–5 句的性格洞察，所有文本节点（维度名称除外）都会翻译成与你对话一致的语言。

适用边界

这个技能的有效性取决于对话样本的真实丰富度。如果你平时只发「帮我写个函数」然后等结果，十轮下来能积累的有效协作证据可能很有限，评估结果反映的是你在窄场景下的表现，而不是全面能力。

另外，它评估的是协作行为模式，不是任务完成质量。你代码能跑不代表沟通到位，反之亦然。分数应作为改善协作习惯的参考，而不是给自己贴标签的依据。

HTML 报告模板的 CSS、类名、布局结构全部固定，只有可见文本可替换，所以如果你想在报告里加自定义字段，需要修改技能源文件，而不是在对话中临时要求。