技能评委 · Skill Judge
为无从评价技能的用户提供一个评价参考
技能评委 · Skill Judge
为无从评价技能的用户提供一个评价参考
展示内容
描述
输入待评测的 AI 技能名称、链接或指令，以真实使用场景开展有证据的质量初筛。保留六题快测（正面4＋负面1＋模糊1），分开验证自动选用与明确调用后的执行；手动调用成功不算自动触发成功。采用五维直接计分：触发30／执行25／成本15／稳健边界15／安全15；区分本次实测、历史运行佐证、静态检查和未验证，关键证据不全时不出综合分或星级。安全按数据访问、外发和操作授权判断，不以作者身份背书；严重越权阻止推荐。输出结论先行的一页纸报告，展示已测范围、未验证项与优先改进建议，并自动建档。说「深评」可增加独立重复测试与来源核查，执行前明确预算。本技能仅评估和建议，不自动修改被评技能。适合自制技能质检、已装技能复检及市场技能装前筛选；六题结果不代表全面认证。
为什么我们推荐这个技能
以证据为核心的技能评测框架，严格区分自动选用与明确执行，覆盖正面、边界、负面和信息缺失场景。它冻结验收标准，按可追溯记录计分，未验证不补分，并将安全风险与流程效率纳入结论。
相关技能
查看全部
科研项目评审专家助手
面向高校校级科研项目评审的专家助手。使用者提供某一类别下的 N 个项目材料（每个项目含申报书、形式检查简表／中期检查表、佐证材料三类文件；文件名可能打乱、错传或改名，格式可能是 docx／xlsx／pdf／图片，佐证可能打包成单个文件也可能散装多份），本 Skill 会依次完成：①内容锚点对齐——从文档内部抽取项目／中心名称、负责人、依托学院与周期，把三件套一一对应，并标出文件名与内容不一致的待核项；②佐证条目归一化——无论打包还是散装都拆成“原子证据条目”，逐条建立带编码与状态标签（齐备／待核／缺失／存疑）的台账，避免用文件数量判断佐证充实度；③三维逐条审计——对每条证据评对应性、真实性、充实性，并与申报书承诺、中期表自报成果三方对账；④双轨评分与横向排档——附件2 五项加权为汇报口径、中期检查五维为参考口径，两套独立不混合，并对全部项目排名分档；⑤交付结构化评审底稿文档，附可直接粘贴进官方表的“评分 + 评审意见”，并按需生成可交互评分网页。默认采用华立现行口径，指标、权重与参照材料可在开工前由使用者确认、对话修改或上传覆盖；设有两处确认检查点（先对齐与台账、再评分与排档），材料无法识别时主动提示使用者确认。对结项类项目另设两条硬性约束：一是强制核验“申报书预期成果 ↔ 佐证成果”的对应性，佐证未包含申报书所列预期成果即一票否决（不合格）；二是模板问题区分“完全用错模板”（不合格）与“部分格式不一致”（只扣少量分）。
Skill质量检测官（PDCA-QMS）
用管理学质量管理体系检测 Skill，而不是一张拍脑袋的清单。 基于六西格玛 CTQ/FMEA/DPMO × TQM × 戴明 PDSA 循环，通过 Plan-Do-Check-Act 四阶段给出：带 Sigma 水平的质量评分卡、按 RPN 排序的缺陷优先级表、挖到指令设计层的根因分析，以及用防错法（Poka-Yoke）修复后的 Skill 全文。修复者与验收者强制分离，分数只升不降。 v2.0 新增： ①量化契约——结构单元计数口径封闭枚举（只取阶段一级）、K 值梯度反刷分锁、Sigma 查表 log 轴插值、全待补零态防除零兜底，让分数可复算、不失真； ②质量等级 × 处置路径双轴门禁，消除「不合格却建议发布」的标签矛盾； ③诊断模式——说「只出报告」「先别改」即跑完 P-D-C 后停在 Check，不改你的稿； ④输出契约——合格点折叠、证据限长 50 字、阶段字数上限、数值必须给计算过程。何时用：评估某个 Skill 好不好、诊断它为什么产出不稳定、系统性优化一个已有 Skill、多个 Skill 横向对标、Skill 草稿的发布前质检、只想要一份诊断报告而不想被改稿。 触发词：检测skill质量、skill质检、质量审计、给skill打分、PDCA优化skill、skill体检、评估这个skill、skill缺陷分析、只诊断不修、skill发布前质检、skill横向对标。
生图技能·祖师爷
如果你想直接一条龙在Youmind上通过参考图提炼出来直接生产级别可用的生图技能，这个就是祖师爷级别的，生成一个新技能也就300来积分，后续你就是生图技能制造机了，再也不用安装那些动辄上千的技能了，只要有参考图，自己动手丰衣足食！本人亲测有效，详情可参考任务示例。 将参考图像中的视觉机制提炼为可复用、可测试的图像生成 Skill，让主体可以变化，同时保留构图关系、空间逻辑、材质表现与视觉层级，而不是简单复制原图。适合需要建立稳定视觉风格、复用设计规律或评估现有生成 Skill 的创作者与团队。 你可以用它完成视觉规律编译、现有 Skill 测试、反馈校准、历史回归与版本发布。它会明确适用范围、固定不变量、可调整变量、适应规则和常见失败模式，并区分“图像质量好”与“真正保留了视觉机制”，帮助你定位生成结果偏离规律的原因。 最终可获得结构化的视觉规范、独立 Skill、测试计划或审计报告，以及校准补丁、回归结果和发布记录。生成图像或视觉检查不可用时，也会保留完整的测试提示并明确待验证状态；确认后的规则、失败诊断和版本信息可持续沉淀到 YouMind，便于后续维护与复用。
信息
- 版本
- v4
- 更新时间
- 运行积分
- 按实际用量
- 模型
- 自动选择
