Score
"No adivines. Puntúa."
Marco de puntuación por dimensiones ponderadas para agentes de IA.
Cómo usarlo
Primero entiende, después puntúa. Haz suficientes preguntas antes de definir las dimensiones. Dimensiones equivocadas → puntuaciones equivocadas, por precisa que sea la exactitud.
Redacta y luego itera. Cuando las necesidades no estén del todo claras, haz un estándar de lo mejor que puedas, puntúa y muestra los resultados. Los usuarios reaccionan a Rankings concretos — "este factor debería pesar más", "te dejaste X". Esa es la señal. Refina y vuelve a puntuar. Una iteración le gana a diez rondas de adivinanza.
El agente es el analista. Tras compute, lee el TSV. Explica por qué X le ganó a Y. Destaca las sorpresas. Propón ajustes. El ranking inicia la conversación, no la termina.
Flujo principal
① Entiende las necesidades → ② Define score.yml → ③ Puntúa score.tsv → ④ x score compute → ⑤ Informa e itera
Salida: target, total, rank, block, reason, <dim> (X%), evidence. Total 0–100, ordenado de forma descendente. rank=1 es el mejor.
Ejemplo — ayudar a un usuario a decidir eslóganes promocionales
- Habla con el usuario para definir las dimensiones y criterios de evaluación. Escribe
slogan.score.yml.
- La IA puntúa cada eslogan por dimensión (0–10, con evidencia) →
slogan.score.tsv. Deja total y rank en blanco.
x score compute slogan.score.yml slogan.score.tsv → rellena total + rank.
- Lee los resultados, conversa con el usuario. Ajusta puntuaciones o añade candidatos, repite.
- O bien:
x score iter -f slogan.score.yml slogan.score.tsv "<feedback>"
Más ejemplos: EXAMPLE.md.
Modelo de dos archivos
*.score.yml — Estándar reutilizable: dimensiones, factores, descripciones
**.score.tsv — Objetivos + puntuaciones + evidencia; columna 1 = nombre del objetivo
x score compute <yml> <tsv> es lo mismo que python compute.py.
Escenarios de aplicación
- Le da al agente un flujo de decisión. score.yml ancla al agente a un proceso estructurado — el agente sigue el estándar, no el ánimo del último mensaje.
- Las decisiones se basan en reglas. Dimensiones × factores × evidencia → total ponderado → rank. Cada puntuación está anclada a hechos. El razonamiento es transparente.
- Se ajusta a necesidades distintas. Cambia dimensiones, ajusta factores, añade filtros duros (columna
block). La misma plantilla, otros usuarios.
- Evoluciona según se aclaran las necesidades. Borrador → puntuación → feedback → refinado → más preciso.
- Archivo estándar + resultados archivados para cualquier skill. score.yml = estándar de decisión. score.tsv = registro de decisión. Ambos archivables, revisables, compartibles.
Fórmula
total = Σ(factor × score) ÷ Σ(factor) × 10 → 0–100
- factor — entero 1–10. Línea base = 2. 1=menor, 4=2×, 6=3×, 8=4×, 10=5×. Se normaliza automáticamente.
- score — 0–10 por dimensión, anclada a evidencia.
- total — total ponderado 0–100.
Las cabeceras de dimensión muestran el peso en %:
factor ÷ Σ(factor) × 100.
Columnas de salida
| Columna |
Origen |
Descripción |
target |
entrada |
Nombre del candidato |
total |
calculado |
Puntuación ponderada (0–100) |
rank |
calculado |
1 = mejor. X si está bloqueado |
block |
entrada |
Filtro duro — no vacío = descalificado, enviado al final, rank=X |
reason |
entrada/salida |
Opcional: notas de la IA sobre matices de la puntuación |
<dim> (X%) |
calculado |
Puntuaciones por dimensión, la cabecera muestra el peso % |
evidence |
entrada |
Hechos que respaldan cada puntuación |
Escala
- 9–10 — Excelente — cumple los criterios por completo
- 7–8 — Bueno — cumple los criterios, con una brecha menor
- 5–6 — Adecuado — dirección correcta, fallo notable
- 3–4 — Débil — brecha significativa
- 1–2 — Fallo — apenas lo aborda
- 0 — N/D — no aplica
Reglas
- Anclaje a evidencia — cada puntuación DEBE tener evidencia. Hechos, no sentimientos.
- Usa todo el rango — 5 es el punto medio, no el valor por defecto. 0 y 10 son raros pero posibles.
- Los factores son amplificadores relativos — factor 2 = 2× la influencia del factor 1. Se normaliza automáticamente.
- Objetivos únicos y no vacíos — la columna 1 de cada fila debe tener nombre de objetivo. Sin duplicados, sin blancos.
- El agente lee, informa, decide — tras compute, explica los resultados. Vuelve a puntuar o repondera según haga falta.
Archivos
SKILL.cn.md — versión en chino
compute.py — valida + calcula total + rank
template/*.score.yml — más de 35 plantillas. x score ls lista, x score init -t <name> copia
EXAMPLE.md — más ejemplos de uso
rule-vs-score.md — cuándo usar rule frente a score
score-template-writer.md — cómo escribir plantillas de puntuación
Relacionadas
- rule — compañero de cumplimiento
- naming — aquí se puntúan los nombres candidatos
1---2name: score-73description: |4 Marco de puntuación por dimensiones ponderadas para agentes de IA — "No adivines. Puntúa." Idea central: primero entender las necesidades, después redactar e iterar, el agente es el analista. Produce un TSV ordenado con `x score compute`.5metadata:6 source: https://skillmd.com/skills/x-cmd/score-77 related: "rule,naming"8---91011# Score12"No adivines. Puntúa."13Marco de puntuación por dimensiones ponderadas para agentes de IA.14## Cómo usarlo15**Primero entiende, después puntúa.** Haz suficientes preguntas antes de definir las dimensiones. Dimensiones equivocadas → puntuaciones equivocadas, por precisa que sea la exactitud.16**Redacta y luego itera.** Cuando las necesidades no estén del todo claras, haz un estándar de lo mejor que puedas, puntúa y muestra los resultados. Los usuarios reaccionan a Rankings concretos — "este factor debería pesar más", "te dejaste X". Esa es la señal. Refina y vuelve a puntuar. Una iteración le gana a diez rondas de adivinanza.17**El agente es el analista.** Tras compute, lee el TSV. Explica por qué X le ganó a Y. Destaca las sorpresas. Propón ajustes. El ranking inicia la conversación, no la termina.18## Flujo principal19```20① Entiende las necesidades → ② Define score.yml → ③ Puntúa score.tsv → ④ x score compute → ⑤ Informa e itera21```22Salida: `target, total, rank, block, reason, <dim> (X%), evidence`. Total 0–100, ordenado de forma descendente. rank=1 es el mejor.23## Ejemplo — ayudar a un usuario a decidir eslóganes promocionales241. Habla con el usuario para definir las dimensiones y criterios de evaluación. Escribe `slogan.score.yml`.252. La IA puntúa cada eslogan por dimensión (0–10, con evidencia) → `slogan.score.tsv`. Deja total y rank en blanco.263. `x score compute slogan.score.yml slogan.score.tsv` → rellena total + rank.274. Lee los resultados, conversa con el usuario. Ajusta puntuaciones o añade candidatos, repite.285. O bien: `x score iter -f slogan.score.yml slogan.score.tsv "<feedback>"`29Más ejemplos: [EXAMPLE.md](EXAMPLE.md).30## Modelo de dos archivos31- `*.score.yml` — Estándar reutilizable: dimensiones, factores, descripciones32- `**.score.tsv` — Objetivos + puntuaciones + evidencia; columna 1 = nombre del objetivo33`x score compute <yml> <tsv>` es lo mismo que `python compute.py`.34## Escenarios de aplicación351. **Le da al agente un flujo de decisión.** score.yml ancla al agente a un proceso estructurado — el agente sigue el estándar, no el ánimo del último mensaje.362. **Las decisiones se basan en reglas.** Dimensiones × factores × evidencia → total ponderado → rank. Cada puntuación está anclada a hechos. El razonamiento es transparente.373. **Se ajusta a necesidades distintas.** Cambia dimensiones, ajusta factores, añade filtros duros (columna `block`). La misma plantilla, otros usuarios.384. **Evoluciona según se aclaran las necesidades.** Borrador → puntuación → feedback → refinado → más preciso.395. **Archivo estándar + resultados archivados para cualquier skill.** score.yml = estándar de decisión. score.tsv = registro de decisión. Ambos archivables, revisables, compartibles.40---41## Fórmula42```43total = Σ(factor × score) ÷ Σ(factor) × 10 → 0–10044```45- **factor** — entero 1–10. Línea base = 2. 1=menor, 4=2×, 6=3×, 8=4×, 10=5×. Se normaliza automáticamente.46- **score** — 0–10 por dimensión, anclada a evidencia.47- **total** — total ponderado 0–100.48Las cabeceras de dimensión muestran el peso en %: `factor ÷ Σ(factor) × 100`.49## Columnas de salida50| Columna | Origen | Descripción |51|--------|--------|-------------|52| `target` | entrada | Nombre del candidato |53| `total` | calculado | Puntuación ponderada (0–100) |54| `rank` | calculado | 1 = mejor. `X` si está bloqueado |55| `block` | entrada | Filtro duro — no vacío = descalificado, enviado al final, rank=X |56| `reason` | entrada/salida | Opcional: notas de la IA sobre matices de la puntuación |57| `<dim> (X%)` | calculado | Puntuaciones por dimensión, la cabecera muestra el peso % |58| `evidence` | entrada | Hechos que respaldan cada puntuación |59## Escala60- 9–10 — Excelente — cumple los criterios por completo61- 7–8 — Bueno — cumple los criterios, con una brecha menor62- 5–6 — Adecuado — dirección correcta, fallo notable63- 3–4 — Débil — brecha significativa64- 1–2 — Fallo — apenas lo aborda65- 0 — N/D — no aplica66## Reglas671. **Anclaje a evidencia** — cada puntuación DEBE tener evidencia. Hechos, no sentimientos.682. **Usa todo el rango** — 5 es el punto medio, no el valor por defecto. 0 y 10 son raros pero posibles.693. **Los factores son amplificadores relativos** — factor 2 = 2× la influencia del factor 1. Se normaliza automáticamente.704. **Objetivos únicos y no vacíos** — la columna 1 de cada fila debe tener nombre de objetivo. Sin duplicados, sin blancos.715. **El agente lee, informa, decide** — tras compute, explica los resultados. Vuelve a puntuar o repondera según haga falta.72## Archivos73- `SKILL.cn.md` — versión en chino74- `compute.py` — valida + calcula total + rank75- `template/*.score.yml` — más de 35 plantillas. `x score ls` lista, `x score init -t <name>` copia76- `EXAMPLE.md` — más ejemplos de uso77- `rule-vs-score.md` — cuándo usar rule frente a score78- `score-template-writer.md` — cómo escribir plantillas de puntuación7980## Relacionadas8182- [rule](../rule/SKILL.md) — compañero de cumplimiento83- [naming](../naming/SKILL.md) — aquí se puntúan los nombres candidatos