技能評審
為難以評估技能的使用者提供參考
技能評審
為難以評估技能的使用者提供參考
展示內容
描述
輸入待評測的 AI 技能名稱、連結或指令，以真實使用情境進行有證據的品質初篩。保留六題快測（正面4＋負面1＋模糊1），分開驗證自動選用與明確呼叫後的執行；手動呼叫成功不算自動觸發成功。採用五維直接計分：觸發30／執行25／成本15／穩健邊界15／安全15；區分本次實測、歷史執行佐證、靜態檢查和未驗證，關鍵證據不完整時不給綜合分數或星級。安全性依資料存取、外傳和操作授權判斷，不以作者身分背書；嚴重越權則不予推薦。輸出結論先行的一頁式報告，展示已測範圍、未驗證項目與優先改進建議，並自動建檔。說「深評」可增加獨立重複測試與來源核查，執行前明確預算。本技能僅評估與提供建議，不會自動修改受評技能。適合自製技能品質檢查、已安裝技能複檢及市場技能安裝前篩選；六題結果不代表全面認證。
為什麼我們推薦這個技能
以證據為核心，嚴格區分自動選用與明確執行；未驗證不補分，並將安全風險與流程效率納入結論。
相關技能
查看全部
科研專案評審專家助手
面向大專校院校級科研專案評審的專家助手。使用者提供某一類別下的 N 個專案材料（每個專案含申報書、格式檢查簡表／期中檢查表、佐證材料三類文件；檔名可能遭打亂、誤傳或改名，格式可能是 docx／xlsx／pdf／圖片，佐證可能打包成單一檔案，也可能分散為多份），本 Skill 會依序完成：①內容錨點對齊——從文件內部擷取專案／中心名稱、負責人、所屬學院與週期，將三件套逐一對應，並標出檔名與內容不一致的待核項目；②佐證項目標準化——無論是打包或分散的材料，都拆解成「原子證據項目」，逐項建立含編碼與狀態標籤（齊備／待核／缺失／存疑）的清冊，避免以文件數量判斷佐證是否充實；③三維逐項查核——評估每項證據的對應性、真實性、充實性，並與申報書承諾、期中表自報成果三方核對；④雙軌評分與橫向分級——附件2 五項加權作為彙報口徑，期中檢查五維作為參考口徑，兩套標準獨立、不混用，並對全部專案排名分級；⑤交付結構化評審底稿文件，附上可直接貼入官方表格的「評分＋評審意見」，並可依需求產生互動式評分網頁。預設採用華立現行口徑，指標、權重與參照材料可在開始前由使用者確認、透過對話修改或上傳覆蓋；設有兩個確認檢查點（先對齊與建立清冊，再評分與分級），材料無法辨識時會主動提示使用者確認。對結案類專案另設兩項硬性約束：一是強制查核「申報書預期成果 ↔ 佐證成果」的對應性，若佐證未包含申報書所列預期成果，即一票否決（不合格）；二是模板問題區分「完全用錯模板」（不合格）與「部分格式不一致」（僅扣少量分數）。
Skill品質檢測官（PDCA-QMS）
用管理學品質管理體系檢測 Skill，而不是一張憑空列出的清單。 基於六標準差 CTQ/FMEA/DPMO × TQM × 戴明 PDSA 循環，通過 Plan-Do-Check-Act 四階段給出：帶 Sigma 水平的品質評分卡、按 RPN 排序的缺陷優先級表、深入指令設計層的根因分析，以及用防錯法（Poka-Yoke）修復後的 Skill 全文。修復者與驗收者強制分離，分數只升不降。 v2.0 新增： ①量化契約——結構單元計數口徑封閉列舉（僅取階段一級）、K 值梯度反刷分鎖、Sigma 查表 log 軸插值、全待補零態防除零兜底，讓分數可複算、不失真； ②品質等級 × 處置路徑雙軸門禁，消除「不合格卻建議發布」的標籤矛盾； ③診斷模式——說「只出報告」「先別改」即跑完 P-D-C 後停在 Check，不改你的稿； ④輸出契約——合格點折疊、證據限長 50 字、階段字數上限、數值必須給計算過程。何時用：評估某個 Skill 好不好、診斷它為什麼產出不穩定、系統性優化一個已有 Skill、多個 Skill 橫向對標、Skill 草稿的發布前質檢、只想要一份診斷報告而不想被改稿。 觸發詞：檢測skill品質、skill質檢、品質審計、給skill打分、PDCA優化skill、skill體檢、評估這個skill、skill缺陷分析、只診斷不修、skill發布前質檢、skill橫向對標。
生圖技能·祖師爺
如果你想在 YouMind 上直接透過參考圖，將視覺規律提煉成可直接投入生產的生圖技能，這就是祖師爺等級的選擇。生成一個新技能大約只需 300 點積分，之後你就能成為生圖技能製造機，再也不用安裝動輒上千點積分的技能了。只要有參考圖，自己動手就能豐衣足食！本人親自測試有效，詳情可參考任務範例。 將參考圖像中的視覺機制提煉為可複用、可測試的圖像生成 Skill，讓主體可以變化，同時保留構圖關係、空間邏輯、材質表現與視覺層級，而不是簡單複製原圖。適合需要建立穩定視覺風格、複用設計規律或評估現有生成 Skill 的創作者與團隊。 你可以用它完成視覺規律編譯、現有 Skill 測試、回饋校準、歷史回歸與版本發布。它會明確列出適用範圍、固定不變量、可調整變量、適應規則和常見失敗模式，並區分「圖像品質好」與「真正保留了視覺機制」，幫助你定位生成結果偏離規律的原因。 最終可取得結構化的視覺規範、獨立 Skill、測試計畫或稽核報告，以及校準修補、回歸結果和發布記錄。生成圖像或視覺檢查不可用時，也會保留完整的測試提示並明確標示待驗證狀態；確認後的規則、失敗診斷和版本資訊可持續沉澱到 YouMind，方便後續維護與複用。
資訊
- 版本
- v4
- 更新時間
- 執行點數
- 依實際用量
- 模型
- 自動選擇
