# Evidence Based Review

> 依据真实受众或使用者反馈评估产品、内容或方案时使用；从外部反馈提炼指标，再用对象证据评分。普通代码审查或现成评分表不触发。

- Skill: `ruosong320/evidence-based-review` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add ruosong320/evidence-based-review`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ruosong320/evidence-based-review/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: Ruosong320 (https://skillmd.com/u/ruosong320)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/ruosong320/evidence-based-review

---


# 受众证据评审

确定对象、受众和使用场景，阅读待评材料。检索相关社区、评论平台和实际使用者反馈，优先近期、具体、独立的亲历证据；寻找支持和反对意见。安装量、点赞量和商业宣传不能代替质量证据。

把反复出现且影响使用决策的关注点整理为可观察、不重叠的指标。区分两类来源：受众反馈说明“该看什么”，对象内容或实测说明“做得怎样”。不能拿行业普遍差评给当前对象扣分。

用户已有评分口径时沿用；未指定但要求打分时说明尺度和权重，权重合计 100%，总分为 sum(单项分/10 × 权重)。无法观察的性能标为未验证，不自动判失败；预期必须提供却遗漏的证据可以作为材料完整性问题。

报告给出结论、每项得分依据/缺陷、优先改进项和可追溯链接。说明分歧及资料局限；网络不可用时使用已有材料并披露缺口，不编造检索或受众共识。不把网络讨论当成统计代表性样本。