model-grader

当需要为 AI 功能定义“正确输出”的含义，以便根据答案构建评分器时，使用此技能。触发条件包括：“构建评分器”、“定义什么是好的输出”、“评估应检查什么”、“如何判断智能体是否正确完成任务”、“编写验收标准”、“当前规格是否足够完整以进行测试”、“智能体一直在执行 X 操作，但无人确认这是否错误”，或任何需要将模型输出与人类编写的描述进行比对的任务交接场景。 该技能会进行一场包含 26 个问题的访谈，分为三个部分：输出结构（output shape）、完整性（integrity）、结论与判断（verdict and judgment），随后进行可构建性测试（buildability test），最终生成一份可供实现者直接开发的契约（contract），并附带一份明确列出尚未决断事项的清单。 请勿将此技能用于：编写评分器代码、运行评估套件、对模型输出打分，或修复现有评分器。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本