- CLI
- 开发工具
- AI Agent
- 人工智能
- 包管理器
【免费下载链接】x-cmd
Posix Shell 工具库
导读
x-cmd的skill0/score（核心文档位于 SKILL.md）是一套面向 AI Agent 的加权维度评分决策框架，核心理念是"Don't guess. Score."——不要靠猜，要打分。它用一份可复用的评分标准（*.score.yml）与一份带证据的打分记录（*.score.tsv），把"从多个候选中选最优"这类主观决策，变成可校验、可复盘、可迭代的规则化流程。读完本文，你将掌握：如何用两文件模型定义决策标准、如何用x score compute/iter/refine/init/ls完成从打分到迭代的完整闭环，以及compute.py底层是如何校验与计算排名的。
一、核心哲学：三句话理解这个框架
SKILL.md开篇即给出三条使用铁律，决定了整个框架的行为方式：
- 先问够，再定标准（Understand first, score second）：在定义维度之前必须问够问题。维度搞错了，分数再精确也没用——"Wrong dimensions → wrong scores, no matter the precision."
- 抛砖引玉，迭代优于空想（Draft then iterate）：需求不清楚时，先做一版标准、打一版分、给出排名。用户对具体排名有天然反应——"这个权重不对"、"你漏了 X"。这些反馈就是信号，据此 refine 后重新打分。一轮迭代胜过十轮空想。
- Agent 是分析师，不是计算器（The agent is the analyst）：
compute之后要读 TSV，解释为什么 A 赢了 B、指出意外、建议调整。排名是对话的开始，不是结束。
二、核心流程与两文件模型
SKILL.md给出了五步核心流程：
① 了解需求 → ② 定义 score.yml → ③ 打分 score.tsv → ④ x score compute → ⑤ 汇报与迭代配套的是两文件模型：
| 文件 | 角色 | 内容 |
|---|---|---|
*.score.yml | 可复用的评分标准 | 维度（dimensions）、因子（factors）、评分描述（desc） |
**.score.tsv | 目标 + 分数 +证据 | 第一列为目标名（target），每个维度一列分数与一列证据 |
输出 TSV 的固定列顺序为target, total, rank, block, reason，随后是带权重百分比标注的维度列（如成本 (35%)），最后是evidence。总分 0–100，按total降序排列，rank = 1为最高分。
三、实战示例：协助用户做宣传口号决策
SKILL.md以"宣传口号方案决策"为例完整演示了工作流，本文补充了 CLI 细节：
Step 1：定义评价维度与标准，生成宣传口号.score.yml（维度 + 因子 + 0–10 的锚点描述）。
Step 2：打分。有两种路径：
- 若已安装 x-cmd，可用
x score assess -f "<宣传口号>.score.yml" [...targets-to-assess]，自动生成带时间戳的<宣传口号>.<datetime>.score.tsv（如宣传口号.260605-194400.score.tsv）； - 或手工执行等价步骤：把所有候选口号放进 TSV 第一列，让 AI 在每个维度上打分（0–10，并附
evidence），此时total与rank留白，等待计算。
Step 3：计算排名。执行：
x score compute 宣传口号.score.yml 宣传口号.260605-194900.score.tsv该命令自动填上total与rank。
Step 4：汇报与迭代。读取结果与用户讨论，调整分数或增删候选后重复 Step 2；也可以直接让 AI 根据反馈重打分：
x score iter -f 宣传口号.score.yml 宣传口号.260605-194900.score.tsv "<调整意见，或者增加候选>"文件名仅为示意，实际可自行命名。更多场景示例参见 EXAMPLE.md（内含 Feature Priority、Vendor Selection 两个完整可运行示例）。
四、计算公式：因子是相对放大器
SKILL.md给出的公式如下：
total = Σ(factor × score) ÷ Σ(factor) × 10 → 0–100三个核心量：
- factor（因子）：整数 1–10，基线 = 2。1 = 次要；4 = 2×；6 = 3×；8 = 4×；10 = 5× 重要度。因子是相对放大器，不需要求和——公式自动归一化。每个维度在输出 TSV 的列头会标注权重占比：
factor ÷ Σ(factor) × 100。 - score（分数）：每个维度 0–10，必须由证据锚定（evidence-anchored）。
- total（总分）：加权总分，0–100。
从 compute.py 的实现可以看到对应逻辑：total = sum(f * s for f, s in zip(factors, scores)) / factor_sum * 10，权重百分比dim_pcts = [f / factor_sum * 100 for f in factors]（compute.py），列头形如clarity (35%)。若factor_sum == 0会直接报错退出（退出码 64）。
五、输出列详解
| 列 | 来源 | 说明 |
|---|---|---|
target | 输入 | 候选名称 |
total | 计算 | 加权总分（0–100） |
rank | 计算 | 排名（1 = 最高）。X= 被 block 淘汰 |
block | 输入 | 可选的硬过滤列。非空 = 该候选被淘汰，排到最后，rank 显示X |
reason | 输入/输出 | 可选：AI 标注评分的 nuance，用于 agent 之间传递备注 |
<维度> (X%) | 计算 | 各维度分数，列头显示权重占比 |
evidence | 输入 | 支撑每个分数的事实依据 |
block列是框架的"一票否决"机制：它处理的是非协商性条件（deal-breaker），而非偏好权重。例如"这种植物对猫有毒"应填block，而"这种植物难养"应作为低分维度处理。score-template-writer.md 对二者边界有明确区分。
六、评分刻度与五条规则
分数刻度
| 分数 | 标签 | 含义 |
|---|---|---|
| 9–10 | 优秀 | 完全符合维度标准 |
| 7–8 | 良好 | 符合标准，有微小差距 |
| 5–6 | 及格 | 方向正确，有明显不足 |
| 3–4 | 差 | 差距显著 |
| 1–2 | 失败 | 几乎没有达到 |
| 0 | 不适用 | 不适用 |
五条评分规则
- 证据锚定：每个分数必须有证据——事实，而非感觉。字母数、用户百分比、基准测试结果都是证据；"感觉不错"、"看起来对"不是。
- 用全范围：5 是中间点，不是默认分。0 分和 10 分少见但可以给。
- 因子是相对放大器：基线 = 2，因子 4 的影响力是因子 2 的两倍，因子不需要求和。
- 目标唯一且非空：
*.score.tsv第一列每行必须有目标名，不可重复、不可为空。 - Agent 读结果、汇报、决策：compute 后读取排序 TSV 并向用户汇报；发现问题可重新打分、调整因子或增减候选。
七、x score 命令族：从模板到迭代的完整闭环
x score子命令由 mod/score/lib/ 实现，入口 main 分发到ls、compute、init、iter、refine五个操作，无参数时默认执行ls。
1.x score ls— 浏览模板库
列出skill0/score/template/下全部模板，支持--yml、--json、--tsv、--csv四种输出格式（默认 tsv）。实现见 ls：从每个*.score.yml的首行注释（# <name>.score.yml — <desc>）提取 desc，从title:提取标题。
2.x score init— 从模板或 AI 生成评分标准
- 静态复制：
x score init -t <name>将模板复制为<name>.score.yml；模板名解析规则见 init：score→score.score.yml，foo.yml→foo.score.yml，bar.score.yml原样使用。 - AI 生成：
x score init --prompt "<goal>" -o file.yml会调用x agent，依据用户目标设计 2–7 个维度、1–10 因子并写出描述（见 init）。
3.x score compute <score.yml> <score.tsv>— 核算校验
与python compute.py完全等价（SKILL.md）。x score compute实际就是定位skill0/score/compute.py后调用python3执行（compute）。
4.x score iter -f <score.yml> <score.tsv> "<feedback>"— 按反馈重打分
把评分标准、当前分数和用户反馈一起交给 AI，按完全相同的列结构重写 TSV（total/rank 留白，由 compute 再算），原文件自动备份为.bak（iter）。
5.x score refine <score.yml> --prompt "<feedback>"— 精调评分标准
按反馈增删维度、调整因子与描述，可-t指定参考模板；原文件同样备份.bak（refine）。
八、compute.py 的校验细节：从源码看严谨性
compute.py 是一个无第三方依赖的独立 Python 校验器，完整实现了SKILL.md的全部规则：
- 标准解析：只解析
title与dimensions -> name/factor的最小 YAML 子集（compute.py），不依赖外部 YAML 库； - 输入校验：要求 TSV 首列必须是
target、TSV 必须包含标准中所有维度列、factor_sum不得为 0，否则均以退出码 64 拒绝（compute.py）； - 目标唯一性：检测重复 target 立即报错退出（compute.py），落实"规则 4"；
- block 语义：非空
block行被推到列表底部且 rank 记为X，但 total 仍照常计算——"即便必须选一个，也知道谁相对更好"（compute.py）； - 输出保序：固定列 + 维度列（带权重% 表头）+ 其余输入列（如
*_evidence）按原顺序输出（compute.py）。
九、模板库：35+ 现成评分标准
template/目录下预置了 35+ 个可直接使用的模板，覆盖命名、消费、家居、职业、出行等场景。以三个典型为例：
- naming.score.yml：6 个维度（clarity=8、domain-fit=6、memorability=4、uniqueness=2、phonetic=2、brevity=1），每个 desc 都写明了 9-10 / 7-8 / 5-6 / 3-4 / 1-2 / 0 的完整锚点；
- tech-stack.score.yml：技术选型，6 维度（project-fit=8、team-capability=6、ecosystem-maturity=6、maintenance=6、performance-scale=4、integration-cost=4）；
- travel.score.yml：出行目的地选择，文件头部注释直接给出了打分前应向用户提问的清单（季节/出行风格/预算/同行人/签证）。
模板不是死板的标准，而是引导 Agent 提问与调整的脚手架。撰写规范详见 score-template-writer.md：维度以 5–7 个为甜区、因子分配建议（最重要维度给 8 或 10，多数给 4 或 6）、desc 要"锚定 9-10 与 1-2 的可观察事实，控制在 200 字符内"，并避免"所有因子都是 2"、"维度过多"、"描述模糊"等反模式。
十、Rule 与 Score：两个互补框架的边界
rule-vs-score.md 用一句话概括二者区别：Rule 回答"这个够不够好？"，Score 回答"哪个最好？"。
| Rule | Score | |
|---|---|---|
| 目的 | 发现问题——保证最低质量 | 评价质量——选出最优项 |
| 类比 | 质量闸门 / 检查清单 | 排名 / 排行榜 |
| 输出 | 每条规则的通过 / 不通过 | 加权总分 + 排名 |
| 典型对象 | 单个对象（一个文件、一个仓库） | 多个候选（3+ 个备选） |
| 硬过滤 | level: error必须通过 | TSVblock列，rank = X |
推荐组合用法：先用 Rule 淘汰不可行候选（硬闸门），再用 Score 对幸存者排名——例如先用 rule 过滤"对猫有毒"的植物，再用 score 按养护难度与观赏性给安全植物排名。边界是软的，判断标准是意图而非对象数量：问题若为"是否通过"→ rule；"相对备选有多好"→ score。
十一、文件清单与延伸阅读
本框架的核心文件（均位于 mod/skill0/lib/skill0/core/score/）：
SKILL.md/SKILL.cn.md— 英文版 / 中文版框架说明，AI 读取后即可运行完整工作流；compute.py— 独立 Python 校验与计算器（无第三方依赖）；template/*.score.yml— 35+ 模板，x score ls列出、x score init -t <name>复制；EXAMPLE.md— 更多使用示例；rule-vs-score.md— Rule 与 Score 的场景选择；score-template-writer.md— 模板编写指南。
关联框架：rule（合规性检查的配对框架）、naming（候选命名在此评分）。
小结
x-cmd的 Score 框架把 AI Agent 的决策从"猜"变成"算"：理解需求 → 定义加权标准 → 证据化打分 → compute 校验排名 → 汇报并迭代。标准文件与结果文件都是可存档、可复盘、可分享的普通文本，配合x score命令族与 35+ 模板，任何技能（skill）都能立刻拥有一套结构化的决策工作流。记住那句口号：Don't guess. Score.
- CLI
- 开发工具
- AI Agent
- 人工智能
- 包管理器
【免费下载链接】x-cmd
Posix Shell 工具库
相关推荐
x-cmd score：加权维度评分框架，给 AI Agent 装上可迭代的决策工作流
x cmd score：加权维度评分框架，给 AI Agent 装上可迭代的决策工作流 导读 x cmd 的 score 模块 https://link.git
CLI开发工具AI Agent人工智能包管理器x-cmd score 评分框架实战：从两个完整示例掌握加权维度评分工作流
x cmd score 评分框架实战：从两个完整示例掌握加权维度评分工作流 导读 本文以 x cmd 内置 skill0 评分技能中的 EXAMPLE.md h
CLI开发工具AI Agent人工智能包管理器x-cmd Rule 与 Score：质量门禁与加权排名的双框架选型指南
x cmd Rule 与 Score：质量门禁与加权排名的双框架选型指南 本文基于 rule vs score.md https://link.gitcode.
CLI开发工具AI Agent人工智能包管理器
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
