精加工 Skill - 自动评分、优化、交付
工作流程
阶段 1: 初始完成
AI 完成用户任务，生成初步结果。
阶段 2: 自我评分
对结果进行多维度评分（满分 100 分），生成质量报告。
阶段 3: 优化迭代
如果评分 < 90 分，根据质量报告进行针对性优化。
阶段 4: 重复检查
重复阶段 2-3，直到评分 ≥ 90 分。
阶段 5: 交付结果
评分 ≥ 90 分时，输出最终结果和质量报告。
评分维度
1. 完整性 (30 分)
- ✅ 是否覆盖所有用户需求
- ✅ 是否包含必要信息
- ✅ 是否有遗漏
- ✅ 是否回答所有问题
评分标准：
- 0-10：完全遗漏关键信息
- 11-20：有遗漏，但不影响核心需求
- 21-30：完整覆盖所有需求
2. 准确性 (30 分)
- ✅ 信息是否准确
- ✅ 代码是否正确
- ✅ 逻辑是否合理
- ✅ 是否有错误
评分标准：
- 0-10：有严重错误
- 11-20：有轻微错误，但不影响使用
- 21-30：完全准确
3. 可读性 (20 分)
- ✅ 代码格式是否规范
- ✅ 文档是否清晰
- ✅ 结构是否合理
- ✅ 是否易于理解
评分标准：
- 0-10：难以阅读
- 11-15：一般，有改进空间
- 16-20：清晰易读
4. 实用性 (20 分)
- ✅ 是否可直接使用
- ✅ 是否有使用说明
- ✅ 是否有示例
- ✅ 是否有注意事项
评分标准：
- 0-10：不可用
- 11-15：可用，但有改进空间
- 16-20：可直接使用
质量报告格式
## 质量评分报告
### 总体评分：XX/100
### 评分详情
1. **完整性**：XX/30
- 优点：...
- 不足：...
- 改进建议：...
2. **准确性**：XX/30
- 优点：...
- 不足：...
- 改进建议：...
3. **可读性**：XX/20
- 优点：...
- 不足：...
- 改进建议：...
4. **实用性**：XX/20
- 优点：...
- 不足：...
- 攟进建议：...
### 总体评价
[简短评价]
### 迭代次数：X
优化策略
根据评分结果优化
评分 < 30 分：严重问题
优化重点：
1. 完全重新理解需求
2. 检查是否遗漏关键信息
3. 确保逻辑正确性
4. 补充必要说明
优化动作：
- 重新分析需求
- 检查所有细节
- 验证正确性
- 完善文档
30-59 分：有明显问题
优化重点：
1. 补充遗漏内容
2. 修正错误
3. 改善结构
4. 增加实用性
优化动作：
- 补充缺失部分
- 修正错误
- 优化结构
- 添加示例
60-89 分：有改进空间
优化重点：
1. 提升可读性
2. 增强实用性
3. 完善细节
4. 添加注释
优化动作：
- 优化格式
- 添加注释
- 增加示例
- 完善说明
90-100 分：优秀
优化重点：
1. 检查是否可以更好
2. 添加额外价值
3. 完善细节
4. 准备交付
优化动作：
- 检查边缘情况
- 添加最佳实践
- 完善文档
- 准备交付
迭代控制
最大迭代次数
- 默认：5 次
- 可配置：根据任务复杂度调整
迭代超时
- 每次迭代最多 5 分钟
- 超时后强制交付（当前最佳结果）
停止条件
- 评分 ≥ 90 分
- 达到最大迭代次数
- 超时
使用示例
示例 1：代码生成
用户请求：生成一个用户登录功能
迭代 1：
// 初始结果
function login(username, password) {
return true;
}
// 质量评分：65/100
// - 完整性：18/30（缺少错误处理）
// - 准确性：18/30（缺少验证）
// - 可读性：14/20（缺少注释）
// - 实用性：15/20（缺少示例）
// 优化后
/**
* 用户登录功能
* @param {string} username - 用户名
* @param {string} password - 密码
* @returns {Promise<{success: boolean, message: string}>}
*/
function login(username, password) {
try {
// 验证输入
if (!username || !password) {
return { success: false, message: '用户名和密码不能为空' };
}
// 模拟验证
if (username === 'admin' && password === '123456') {
return { success: true, message: '登录成功' };
}
return { success: false, message: '用户名或密码错误' };
} catch (error) {
console.error('登录错误:', error);
return { success: false, message: '系统错误，请稍后重试' };
}
}
// 质量评分：92/100
// - 完整性：29/30（完整覆盖）
// - 准确性：28/30（基本正确）
// - 可读性：18/20（清晰规范）
// - 实用性：17/20（有示例）
// 交付结果
示例 2：文档生成
用户请求：写一个 API 文档
迭代 1：
# 用户 API
## 登录
POST /api/login
参数：
- username
- password
返回：
- success
- message
质量评分：75/100
- 完整性：22/30（缺少详细说明）
- 准确性：22/30（基本正确）
- 可读性：15/20（格式一般）
- 实用性：16/20（缺少示例）
优化后：
# 用户 API
## 登录
### 接口说明
用户登录接口，验证用户名和密码。
### 请求
**方法**：POST
**路径**：/api/login
**Content-Type**：application/json
### 请求参数
| 参数 | 类型 | 必填 | 说明 |
|------|------|------|------|
| username | string | 是 | 用户名 |
| password | string | 是 | 密码 |
### 请求示例
```json
{
"username": "admin",
"password": "123456"
}
响应
成功 (200)
{
"success": true,
"message": "登录成功",
"token": "eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9..."
}
失败 (400)
{
"success": false,
"message": "用户名或密码错误"
}
错误码
| 错误码 | 说明 |
|---|---|
| 400 | 请求参数错误 |
| 401 | 未授权 |
| 500 | 服务器错误 |
注意事项
- 密码不要在前端明文传输
- 建议使用 HTTPS
- Token 需要妥善保管
**质量评分**：93/100
- 完整性：29/30
- 准确性：28/30
- 可读性：19/20
- 实用性：17/20
**交付结果**
质量评分报告
总体评分：93/100
评分详情
-
完整性：29/30
- 优点：完整覆盖所有必要信息
- 不足：缺少错误码详细说明
- 改进建议：补充错误码说明 -
准确性：28/30
- 优点：信息准确，示例正确
- 不足：缺少响应状态码说明
- 改进建议：补充状态码 -
可读性：19/20
- 优点：格式规范，结构清晰
- 不足：无明显问题
- 改进建议：无明显问题 -
实用性：17/20
- 优点：可直接使用，示例完整
- 不足：缺少注意事项
- 改进建议：补充注意事项
总体评价
文档完整、准确、易读、实用，质量优秀。
迭代次数：1
```
交付标准
必须满足的条件
- ✅ 评分 ≥ 90 分
- ✅ 完整覆盖用户需求
- ✅ 代码/内容正确无误
- ✅ 格式规范、易读
- ✅ 有使用说明和示例
- ✅ 有质量报告
交付内容
- 最终结果
- 质量评分报告
- 迭代次数
- 改进建议（可选）
最佳实践
1. 评分要客观
- 基于事实，不是主观感觉
- 每个维度都要评分
- 评分要有依据
2. 优化要针对性
- 根据评分结果优化
- 不盲目修改
- 针对薄弱环节
3. 避免过度优化
- 90 分已经很好
- 不要追求 100 分
- 平衡质量和效率
4. 记录迭代过程
- 记录每次迭代
- 记录改进内容
- 便于回顾
常见问题
Q: 为什么是 90 分不是 100 分？
A: 90 分已经达到优秀标准，再追求 100 分会浪费时间。90 分足够满足大多数需求。
Q: 最多迭代几次？
A: 默认 5 次，复杂任务可以调整。超过 5 次后强制交付当前最佳结果。
Q: 如果评分一直不到 90 分怎么办？
A: 会自动迭代，直到达到 90 分或最大迭代次数。超时后会强制交付。
Q: 可以跳过评分直接交付吗？
A: 可以，但推荐使用精加工模式，确保质量。
Q: 评分标准可以自定义吗？
A: 可以，不同任务类型可以有不同的评分标准。
总结
精加工 Skill 通过自动评分、优化、迭代，确保输出质量达到 90 分以上的优秀标准。
核心优势：
- ✅ 自动质量检查
- ✅ 针对性优化
- ✅ 迭代改进
- ✅ 90 分交付标准
- ✅ 质量报告
适用场景：
- 代码生成
- 文档编写
- 方案设计
- 内容创作
- 数据处理
使用方式：
1. 用户请求任务
2. AI 完成初步结果
3. AI 自我评分
4. AI 优化迭代
5. 评分 ≥ 90 分交付
