Score
"Non indovinare. Valuta."
Framework di valutazione a dimensioni pesate per agenti AI.
Come usarlo
Prima capire, poi valutare. Fai domande sufficienti prima di definire le dimensioni. Dimensioni sbagliate → punteggi sbagliati, per quanto precisa sia la misura.
Abbozza e poi itera. Quando i bisogni non sono del tutto chiari, fai uno standard al meglio delle tue possibilità, valuta e mostra i risultati. Gli utenti reagiscono a classificazioni concrete — "questo fattore dovrebbe pesare di più", "ti sei dimenticato di X". È quello il segnale. Affina e rivaluta. Un'iterazione vale dieci giri di supposizioni.
L'agente è l'analista. Dopo il compute, leggi il TSV. Spiega perché X ha battuto Y. Evidenzia le sorprese. Suggerisci aggiustamenti. La classifica apre la conversazione, non la chiude.
Flusso principale
① Capire i bisogni → ② Definire score.yml → ③ Valutare score.tsv → ④ x score compute → ⑤ Referire e iterare
Output: target, total, rank, block, reason, <dim> (X%), evidence. Total 0–100, ordinato in modo decrescente. rank=1 è il migliore.
Esempio — aiutare un utente a scegliere gli slogan promozionali
- Discuti con l'utente per definire dimensioni e criteri di valutazione. Scrivi
slogan.score.yml.
- L'AI valuta ogni slogan per ogni dimensione (0–10, con evidenze) →
slogan.score.tsv. Lascia vuoti total e rank.
x score compute slogan.score.yml slogan.score.tsv → riempie total + rank.
- Leggi i risultati, discuti con l'utente. Adegua i punteggi o aggiungi candidati, ripeti.
- Oppure:
x score iter -f slogan.score.yml slogan.score.tsv "<feedback>"
Altri esempi: EXAMPLE.md.
Modello a due file
*.score.yml — Standard riusabile: dimensioni, fattori, descrizioni
**.score.tsv — Obiettivi + punteggi + evidenze; colonna 1 = nome dell'obiettivo
x score compute <yml> <tsv> equivale a python compute.py.
Scenari di applicazione
- Dà agli agenti un workflow decisionale. score.yml àncora l'agente a un processo strutturato — l'agente segue lo standard, non l'umore dell'ultimo messaggio.
- Le decisioni sono basate su regole. Dimensioni × fattori × evidenze → totale pesato → rank. Ogni punteggio è ancorato a fatti. Il ragionamento è trasparente.
- Si adatta a esigenze diverse. Cambia dimensioni, aggiusta i fattori, aggiungi filtri rigidi (colonna
block). Stesso template, utenti diversi.
- Evolue man mano che le esigenze si chiariscono. Bozza → valutazione → feedback → affinamento → più netto.
- File standard + risultati archiviati per qualsiasi skill. score.yml = standard decisionale. score.tsv = verbale decisionale. Entrambi archiviabili, revisionabili, condivisibili.
Formula
total = Σ(factor × score) ÷ Σ(factor) × 10 → 0–100
- factor — intero 1–10. Base = 2. 1=minore, 4=2×, 6=3×, 8=4×, 10=5×. Normalizzato automaticamente.
- score — da 0 a 10 per dimensione, ancorato alle evidenze.
- total — totale pesato da 0 a 100.
Le intestazioni delle dimensioni mostrano la percentuale di peso:
factor ÷ Σ(factor) × 100.
Colonne di output
| Column |
Source |
Description |
target |
input |
Nome del candidato |
total |
calcolato |
Punteggio pesato (0–100) |
rank |
calcolato |
1 = migliore. X se bloccato |
block |
input |
Filtro rigido — non vuoto = squalificato, spinto in fondo, rank=X |
reason |
input/output |
Facoltativo: note dell'AI sulle sfumature del punteggio |
<dim> (X%) |
calcolato |
Punteggi per dimensione, l'intestazione mostra la percentuale di peso |
evidence |
input |
Fatti che sostengono ogni punteggio |
Scala
- 9–10 — Eccellente — soddisfa pienamente i criteri
- 7–8 — Buono — soddisfa i criteri, lacuna minore
- 5–6 — Adeguato — direzione giusta, omissione notevole
- 3–4 — Debole — lacuna significativa
- 1–2 — Fallito — appena affrontato
- 0 — N/D — non applicabile
Regole
- Ancoraggio alle evidenze — ogni punteggio DEVE avere evidenze. Fatti, non sensazioni.
- Usa tutto l'intervallo — 5 è il punto medio, non il valore predefinito. 0 e 10 sono rari ma possibili.
- I fattori sono amplificatori relativi — factor 2 = 2× l'influenza di factor 1. Normalizzato automaticamente.
- Obiettivi unici e non vuoti — ogni riga della colonna 1 deve avere un nome di obiettivo. Nessun duplicato, nessun vuoto.
- L'agente legge, riferisce, decide — dopo il compute, spiega i risultati. Rivaluta o riappesa secondo necessità.
File
SKILL.cn.md — Versione cinese
compute.py — Valida + calcola total + rank
template/*.score.yml — 35+ template. x score ls li elenca, x score init -t <name> li copia
EXAMPLE.md — Altri esempi d'uso
rule-vs-score.md — Quando usare rule e quando score
score-template-writer.md — Come scrivere i template di valutazione
Related
- rule — compagno di conformità abbinato
- naming — qui vengono valutati i nomi candidati
1---2name: score-103description: |4 Framework di valutazione a dimensioni pesate per agenti AI — "Non indovinare. Valuta." Idea di fondo: prima capire i bisogni, poi abbozzare e iterare, l'agente è l'analista. Produce un TSV ordinato tramite `x score compute`.5metadata:6 source: https://skillmd.com/skills/x-cmd/score-107 related: "rule,naming"8---91011# Score12"Non indovinare. Valuta."13Framework di valutazione a dimensioni pesate per agenti AI.14## Come usarlo15**Prima capire, poi valutare.** Fai domande sufficienti prima di definire le dimensioni. Dimensioni sbagliate → punteggi sbagliati, per quanto precisa sia la misura.16**Abbozza e poi itera.** Quando i bisogni non sono del tutto chiari, fai uno standard al meglio delle tue possibilità, valuta e mostra i risultati. Gli utenti reagiscono a classificazioni concrete — "questo fattore dovrebbe pesare di più", "ti sei dimenticato di X". È quello il segnale. Affina e rivaluta. Un'iterazione vale dieci giri di supposizioni.17**L'agente è l'analista.** Dopo il compute, leggi il TSV. Spiega perché X ha battuto Y. Evidenzia le sorprese. Suggerisci aggiustamenti. La classifica apre la conversazione, non la chiude.18## Flusso principale19```20① Capire i bisogni → ② Definire score.yml → ③ Valutare score.tsv → ④ x score compute → ⑤ Referire e iterare21```22Output: `target, total, rank, block, reason, <dim> (X%), evidence`. Total 0–100, ordinato in modo decrescente. rank=1 è il migliore.23## Esempio — aiutare un utente a scegliere gli slogan promozionali241. Discuti con l'utente per definire dimensioni e criteri di valutazione. Scrivi `slogan.score.yml`.252. L'AI valuta ogni slogan per ogni dimensione (0–10, con evidenze) → `slogan.score.tsv`. Lascia vuoti total e rank.263. `x score compute slogan.score.yml slogan.score.tsv` → riempie total + rank.274. Leggi i risultati, discuti con l'utente. Adegua i punteggi o aggiungi candidati, ripeti.285. Oppure: `x score iter -f slogan.score.yml slogan.score.tsv "<feedback>"`29Altri esempi: [EXAMPLE.md](EXAMPLE.md).30## Modello a due file31- `*.score.yml` — Standard riusabile: dimensioni, fattori, descrizioni32- `**.score.tsv` — Obiettivi + punteggi + evidenze; colonna 1 = nome dell'obiettivo33`x score compute <yml> <tsv>` equivale a `python compute.py`.34## Scenari di applicazione351. **Dà agli agenti un workflow decisionale.** score.yml àncora l'agente a un processo strutturato — l'agente segue lo standard, non l'umore dell'ultimo messaggio.362. **Le decisioni sono basate su regole.** Dimensioni × fattori × evidenze → totale pesato → rank. Ogni punteggio è ancorato a fatti. Il ragionamento è trasparente.373. **Si adatta a esigenze diverse.** Cambia dimensioni, aggiusta i fattori, aggiungi filtri rigidi (colonna `block`). Stesso template, utenti diversi.384. **Evolue man mano che le esigenze si chiariscono.** Bozza → valutazione → feedback → affinamento → più netto.395. **File standard + risultati archiviati per qualsiasi skill.** score.yml = standard decisionale. score.tsv = verbale decisionale. Entrambi archiviabili, revisionabili, condivisibili.40---41## Formula42```43total = Σ(factor × score) ÷ Σ(factor) × 10 → 0–10044```45- **factor** — intero 1–10. Base = 2. 1=minore, 4=2×, 6=3×, 8=4×, 10=5×. Normalizzato automaticamente.46- **score** — da 0 a 10 per dimensione, ancorato alle evidenze.47- **total** — totale pesato da 0 a 100.48Le intestazioni delle dimensioni mostrano la percentuale di peso: `factor ÷ Σ(factor) × 100`.49## Colonne di output50| Column | Source | Description |51|--------|--------|-------------|52| `target` | input | Nome del candidato |53| `total` | calcolato | Punteggio pesato (0–100) |54| `rank` | calcolato | 1 = migliore. `X` se bloccato |55| `block` | input | Filtro rigido — non vuoto = squalificato, spinto in fondo, rank=X |56| `reason` | input/output | Facoltativo: note dell'AI sulle sfumature del punteggio |57| `<dim> (X%)` | calcolato | Punteggi per dimensione, l'intestazione mostra la percentuale di peso |58| `evidence` | input | Fatti che sostengono ogni punteggio |59## Scala60- 9–10 — Eccellente — soddisfa pienamente i criteri61- 7–8 — Buono — soddisfa i criteri, lacuna minore62- 5–6 — Adeguato — direzione giusta, omissione notevole63- 3–4 — Debole — lacuna significativa64- 1–2 — Fallito — appena affrontato65- 0 — N/D — non applicabile66## Regole671. **Ancoraggio alle evidenze** — ogni punteggio DEVE avere evidenze. Fatti, non sensazioni.682. **Usa tutto l'intervallo** — 5 è il punto medio, non il valore predefinito. 0 e 10 sono rari ma possibili.693. **I fattori sono amplificatori relativi** — factor 2 = 2× l'influenza di factor 1. Normalizzato automaticamente.704. **Obiettivi unici e non vuoti** — ogni riga della colonna 1 deve avere un nome di obiettivo. Nessun duplicato, nessun vuoto.715. **L'agente legge, riferisce, decide** — dopo il compute, spiega i risultati. Rivaluta o riappesa secondo necessità.72## File73- `SKILL.cn.md` — Versione cinese74- `compute.py` — Valida + calcola total + rank75- `template/*.score.yml` — 35+ template. `x score ls` li elenca, `x score init -t <name>` li copia76- `EXAMPLE.md` — Altri esempi d'uso77- `rule-vs-score.md` — Quando usare rule e quando score78- `score-template-writer.md` — Come scrivere i template di valutazione7980## Related8182- [rule](../rule/SKILL.md) — compagno di conformità abbinato83- [naming](../naming/SKILL.md) — qui vengono valutati i nomi candidati