Score
"Nie zgaduj. Punktuj."
Ramka ważonego punktowania według wymiarów dla agentów AI.
Jak używać
Najpierw zrozum, potem punktuj. Zadaj wystarczająco dużo pytań, zanim zdefiniujesz wymiary. Złe wymiary → złe wyniki, niezależnie od precyzji.
Szkicuj, potem iteruj. Gdy potrzeby nie są do końca jasne, zrób standard najlepszym możliwym wysiłkiem, punktuj i pokaż wyniki. Użytkownicy reagują na konkretne rankingi — „ten czynnik powinien mieć wyższą wagę", „pominąłeś X". To jest sygnał. Doprecyzuj i punktuj ponownie. Jedna iteracja bije dziesięć rund zgadywania.
Agent jest analitykiem. Po compute przeczytaj TSV. Wyjaśnij, dlaczego X wygrał z Y. Wskaż zaskoczenia. Zaproponuj korekty. Ranking zaczyna rozmowę, a nie ją kończy.
Główny przepływ
① Zrozum potrzeby → ② Zdefiniuj score.yml → ③ Punktuj score.tsv → ④ x score compute → ⑤ Raportuj i iteruj
Wyjście: target, total, rank, block, reason, <dim> (X%), evidence. Suma 0–100, posortowane malejąco. rank=1 najlepszy.
Przykład — pomaganie użytkownikowi w wyborze haseł promocyjnych
- Omów z użytkownikiem wymiary i kryteria oceny. Zapisz
slogan.score.yml.
- AI punktuje każde hasło w każdym wymiarze (0–10, z dowodami) →
slogan.score.tsv. Zostaw sumę i ranking puste.
x score compute slogan.score.yml slogan.score.tsv → wypełnia sumę i ranking.
- Przeczytaj wyniki, porozmawiaj z użytkownikiem. Popraw punktację lub dodaj kandydatów, powtórz.
- Albo:
x score iter -f slogan.score.yml slogan.score.tsv "<uwagi>"
Więcej przykładów: EXAMPLE.md.
Model dwóch plików
*.score.yml — Standard wielokrotnego użytku: wymiary, czynniki, opisy
**.score.tsv — Cele + punktacja + dowody; kolumna 1 = nazwa celu
x score compute <yml> <tsv> działa tak samo jak python compute.py.
Scenariusze zastosowania
- Daje agentom przepływ decyzyjny. score.yml zakotwicza agenta w ustrukturyzowanym procesie — agent podąża za standardem, a nie za nastrojem ostatniej wiadomości.
- Decyzje opierają się na regułach. Wymiary × czynniki × dowody → ważona suma → ranking. Każdy wynik zakotwiczony w faktach. Rozumowanie jest przejrzyste.
- Dostraja się do różnych potrzeb. Podmień wymiary, dostosuj czynniki, dodaj twarde filtry (kolumna
block). Ten sam szablon, różni użytkownicy.
- Rozwija się wraz z klarowaniem potrzeb. Szkic → punktacja → uwagi → doprecyzowanie → ostrzejsza.
- Plik standardu + zarchiwizowane wyniki dla każdej umiejętności. score.yml = standard decyzji. score.tsv = zapis decyzji. Oba można archiwizować, przeglądać i udostępniać.
Wzór
total = Σ(faktor × score) ÷ Σ(faktor) × 10 → 0–100
- factor — liczba całkowita 1–10. Wartość bazowa = 2. 1=niski, 4=2×, 6=3×, 8=4×, 10=5×. Normalizowany automatycznie.
- score — 0–10 dla każdego wymiaru, zakotwiczony w dowodach.
- total — ważona suma 0–100.
Nagłówki wymiarów pokazują wagę w procentach:
factor ÷ Σ(faktor) × 100.
Kolumny wyjściowe
| Kolumna |
Źródło |
Opis |
target |
wejście |
Nazwa kandydata |
total |
wyliczane |
Wynik ważony (0–100) |
rank |
wyliczane |
1 = najlepszy. X jeśli zablokowany |
block |
wejście |
Twardy filtr — niepusty = dyskwalifikacja, przesunięcie na dół, rank=X |
reason |
wejście/wyjście |
Opcjonalnie: uwagi AI o niuansach punktacji |
<dim> (X%) |
wyliczane |
Punktacja w wymiarach, nagłówek pokazuje wagę w % |
evidence |
wejście |
Fakty uzasadniające każdy wynik |
Skala
- 9–10 — Doskonale — w pełni spełnia kryteria
- 7–8 — Dobrze — spełnia kryteria, drobna luka
- 5–6 — Zadowalająco — dobry kierunek, zauważalne przeoczenie
- 3–4 — Słabo — znaczna luka
- 1–2 — Nie — ledwo poruszone
- 0 — Nie dotyczy — nie ma zastosowania
Reguły
- Zakotwiczenie w dowodach — każdy wynik MUSI mieć dowód. Fakty, nie odczucia.
- Używaj całego zakresu — 5 to środek skali, nie domyślna wartość. 0 i 10 są rzadkie, ale możliwe.
- Czynniki to względne wzmacniacze — czynnik 2 = 2× wpływ czynnika 1. Normalizowane automatycznie.
- Cele unikalne i niepuste — kolumna 1 w każdym wierszu musi zawierać nazwę celu. Bez duplikatów, bez pustych pól.
- Agent czyta, raportuje, decyduje — po compute wyjaśnij wyniki. W razie potrzeby punktuj ponownie lub zmień wagi.
Pliki
SKILL.cn.md — wersja chińska
compute.py — waliduje + wylicza sumę i ranking
template/*.score.yml — 35+ szablonów. x score ls je wypisuje, x score init -t <nazwa> kopiuje
EXAMPLE.md — więcej przykładów użycia
rule-vs-score.md — kiedy stosować regułę, a kiedy ocenę
score-template-writer.md — jak pisać szablony punktacji
Powiązane
- rule — powiązana umiejętność zgodności
- naming — tutaj punktowane są nazwy kandydatów
1---2name: score-133description: |4 Ramka ważonego punktowania według wymiarów dla agentów AI — "Nie zgaduj. Punktuj." Istota: najpierw zrozum potrzeby, potem szkicuj i iteruj, agent jest analitykiem. Wynikiem jest uszeregowany TSV z `x score compute`.5metadata:6 source: https://skillmd.com/skills/x-cmd/score-137 related: "rule,naming"8---91011# Score12"Nie zgaduj. Punktuj."13Ramka ważonego punktowania według wymiarów dla agentów AI.14## Jak używać15**Najpierw zrozum, potem punktuj.** Zadaj wystarczająco dużo pytań, zanim zdefiniujesz wymiary. Złe wymiary → złe wyniki, niezależnie od precyzji.16**Szkicuj, potem iteruj.** Gdy potrzeby nie są do końca jasne, zrób standard najlepszym możliwym wysiłkiem, punktuj i pokaż wyniki. Użytkownicy reagują na konkretne rankingi — „ten czynnik powinien mieć wyższą wagę", „pominąłeś X". To jest sygnał. Doprecyzuj i punktuj ponownie. Jedna iteracja bije dziesięć rund zgadywania.17**Agent jest analitykiem.** Po compute przeczytaj TSV. Wyjaśnij, dlaczego X wygrał z Y. Wskaż zaskoczenia. Zaproponuj korekty. Ranking zaczyna rozmowę, a nie ją kończy.18## Główny przepływ19```20① Zrozum potrzeby → ② Zdefiniuj score.yml → ③ Punktuj score.tsv → ④ x score compute → ⑤ Raportuj i iteruj21```22Wyjście: `target, total, rank, block, reason, <dim> (X%), evidence`. Suma 0–100, posortowane malejąco. rank=1 najlepszy.23## Przykład — pomaganie użytkownikowi w wyborze haseł promocyjnych241. Omów z użytkownikiem wymiary i kryteria oceny. Zapisz `slogan.score.yml`.252. AI punktuje każde hasło w każdym wymiarze (0–10, z dowodami) → `slogan.score.tsv`. Zostaw sumę i ranking puste.263. `x score compute slogan.score.yml slogan.score.tsv` → wypełnia sumę i ranking.274. Przeczytaj wyniki, porozmawiaj z użytkownikiem. Popraw punktację lub dodaj kandydatów, powtórz.285. Albo: `x score iter -f slogan.score.yml slogan.score.tsv "<uwagi>"`29Więcej przykładów: [EXAMPLE.md](EXAMPLE.md).30## Model dwóch plików31- `*.score.yml` — Standard wielokrotnego użytku: wymiary, czynniki, opisy32- `**.score.tsv` — Cele + punktacja + dowody; kolumna 1 = nazwa celu33`x score compute <yml> <tsv>` działa tak samo jak `python compute.py`.34## Scenariusze zastosowania351. **Daje agentom przepływ decyzyjny.** score.yml zakotwicza agenta w ustrukturyzowanym procesie — agent podąża za standardem, a nie za nastrojem ostatniej wiadomości.362. **Decyzje opierają się na regułach.** Wymiary × czynniki × dowody → ważona suma → ranking. Każdy wynik zakotwiczony w faktach. Rozumowanie jest przejrzyste.373. **Dostraja się do różnych potrzeb.** Podmień wymiary, dostosuj czynniki, dodaj twarde filtry (kolumna `block`). Ten sam szablon, różni użytkownicy.384. **Rozwija się wraz z klarowaniem potrzeb.** Szkic → punktacja → uwagi → doprecyzowanie → ostrzejsza.395. **Plik standardu + zarchiwizowane wyniki dla każdej umiejętności.** score.yml = standard decyzji. score.tsv = zapis decyzji. Oba można archiwizować, przeglądać i udostępniać.40---41## Wzór42```43total = Σ(faktor × score) ÷ Σ(faktor) × 10 → 0–10044```45- **factor** — liczba całkowita 1–10. Wartość bazowa = 2. 1=niski, 4=2×, 6=3×, 8=4×, 10=5×. Normalizowany automatycznie.46- **score** — 0–10 dla każdego wymiaru, zakotwiczony w dowodach.47- **total** — ważona suma 0–100.48Nagłówki wymiarów pokazują wagę w procentach: `factor ÷ Σ(faktor) × 100`.49## Kolumny wyjściowe50| Kolumna | Źródło | Opis |51|--------|--------|-------------|52| `target` | wejście | Nazwa kandydata |53| `total` | wyliczane | Wynik ważony (0–100) |54| `rank` | wyliczane | 1 = najlepszy. `X` jeśli zablokowany |55| `block` | wejście | Twardy filtr — niepusty = dyskwalifikacja, przesunięcie na dół, rank=X |56| `reason` | wejście/wyjście | Opcjonalnie: uwagi AI o niuansach punktacji |57| `<dim> (X%)` | wyliczane | Punktacja w wymiarach, nagłówek pokazuje wagę w % |58| `evidence` | wejście | Fakty uzasadniające każdy wynik |59## Skala60- 9–10 — Doskonale — w pełni spełnia kryteria61- 7–8 — Dobrze — spełnia kryteria, drobna luka62- 5–6 — Zadowalająco — dobry kierunek, zauważalne przeoczenie63- 3–4 — Słabo — znaczna luka64- 1–2 — Nie — ledwo poruszone65- 0 — Nie dotyczy — nie ma zastosowania66## Reguły671. **Zakotwiczenie w dowodach** — każdy wynik MUSI mieć dowód. Fakty, nie odczucia.682. **Używaj całego zakresu** — 5 to środek skali, nie domyślna wartość. 0 i 10 są rzadkie, ale możliwe.693. **Czynniki to względne wzmacniacze** — czynnik 2 = 2× wpływ czynnika 1. Normalizowane automatycznie.704. **Cele unikalne i niepuste** — kolumna 1 w każdym wierszu musi zawierać nazwę celu. Bez duplikatów, bez pustych pól.715. **Agent czyta, raportuje, decyduje** — po compute wyjaśnij wyniki. W razie potrzeby punktuj ponownie lub zmień wagi.72## Pliki73- `SKILL.cn.md` — wersja chińska74- `compute.py` — waliduje + wylicza sumę i ranking75- `template/*.score.yml` — 35+ szablonów. `x score ls` je wypisuje, `x score init -t <nazwa>` kopiuje76- `EXAMPLE.md` — więcej przykładów użycia77- `rule-vs-score.md` — kiedy stosować regułę, a kiedy ocenę78- `score-template-writer.md` — jak pisać szablony punktacji7980## Powiązane8182- [rule](../rule/SKILL.md) — powiązana umiejętność zgodności83- [naming](../naming/SKILL.md) — tutaj punktowane są nazwy kandydatów