eval-content

/digital-marketing-pro:eval-content

用途

使用完整的评估流程全面评估内容。通过六个评分维度评估内容——内容质量、品牌语调、幻觉风险、声明核验、输出结构和可读性——生成包含字母等级的综合评分，标记具体问题并提供修复建议，同时与品牌质量基线进行比较。这是内容发布、客户审核或营销活动启动前的首选命令。

每次评估都会记录到质量跟踪器中，以便持续进行回归检测、趋势分析和品牌级质量报告。如果品牌通过 /digital-marketing-pro:eval-config 配置了自定义阈值或维度权重，这些设置会自动应用；否则，将使用行业标准默认值。

所需输入

用户必须提供（或系统会提示用户提供）：

• 待评估内容：要评分的文本，可直接提供、粘贴为文本块或提供文件路径。支持任何营销内容格式：博文、电子邮件、广告文案、社交媒体帖子、落地页、新闻稿、内容简报、营销活动计划或自定义内容
• 内容类型（可选）：blog_post、email、ad_copy、social_post、landing_page、press_release、content_brief、campaign_plan 或 custom 之一。如果省略，评估运行器会根据内容结构和长度自动检测。内容类型决定用于结构验证的内置架构，以及适用的可读性基准
• 证据文件（可选）：包含可核验声明及来源数据的 JSON 文件——完整的声明核验评分需要此文件。格式：[{"claim": "...", "source": "...", "date": "...", "verified": true}]。如果未提供，声明核验将仅以提取模式运行，并将所有具体声明标记为“未核验——建议提供证据”
• 架构（可选）：用于结构验证的自定义 JSON 架构文件——当内容类型与 8 种内置架构均不匹配，或品牌有定义必需章节、字数和格式规则的自定义模板时使用

流程

1. 加载品牌上下文：读取 ~/.claude-marketing/brands/_active-brand.json 获取当前启用的 slug，然后加载 ~/.claude-marketing/brands/{slug}/profile.json。应用品牌语气、目标市场的合规规则（skills/context-engine/compliance-rules.md）和行业背景。还要检查 ~/.claude-marketing/brands/{slug}/guidelines/_manifest.json 中是否有指南——如果存在，则加载限制条件和相关类别文件（尤其是用于语气评分的 messaging.md 和用于格式标准的 visual-identity.md）。检查 ~/.claude-marketing/sops/ 中是否有代理机构 SOP。如果不存在品牌，请询问：“先设置品牌吗（/digital-marketing-pro:brand-setup）？”——或者使用默认设置继续。
2. 加载评估配置：执行 scripts/eval-config-manager.py --brand {slug} --action get-config，获取品牌专属阈值、维度权重和自动拒绝规则。如果没有自定义配置，则使用 skills/context-engine/eval-framework-guide.md 中的默认设置。在输出中注明哪些设置是自定义的，哪些是默认的。
3. 运行完整评估：执行 scripts/eval-runner.py --brand {slug} --action run-full --text "{content}" --content-type {content_type}，并可选添加 --evidence {evidence_file} 和 --schema {schema_file} 标志。此操作会评估以下六个维度：
   • 内容质量（通过 content-scorer.py）：深度、原创性、准确性、对读者的价值、战略契合度
   • 品牌语气（通过 brand-voice-scorer.py）：语气匹配度、术语一致性、个性契合度、指南合规性
   • 幻觉风险（通过 hallucination-detector.py）：未经核实的统计数据、虚构的引文、虚假的具体信息、编造的引语、无依据的最高级表述
   • 声明核实（通过 claim-verifier.py）：将提取的声明与证据数据交叉核对——已核实、部分核实、未核实或相矛盾
   • 输出结构（通过 output-validator.py）：是否包含必需章节、字数是否在范围内、Markdown 格式是否正确、是否含有占位文本、CTA 是否一致
   • 可读性（通过 readability-analyzer.py）：Flesch-Kincaid 年级水平、句子复杂度、术语密度、语言水平是否适合目标受众
4. 分析结果——按严重程度分类问题：检查所有维度分数和具体发现。将每个问题分类为：
   • 严重（发布前必须修复）：高置信度的幻觉标记、与证据不符的相矛盾声明、未达到自动拒绝阈值、违反合规要求
   • 中等（应当修复，会显著影响质量）：维度分数低于阈值、缺少必需章节、偏离品牌语气、可读性超出目标范围
   • 轻微（建议改进）：风格建议、可选章节补充、可读性微调、格式润色
5. 生成修复建议：针对每个标记的问题，提供受影响的具体文本或章节、在内容中的确切位置、严重程度、包含替换文本示例的具体修复建议，以及修复后预期的分数提升。有关各维度的具体修复指南，请参考 skills/context-engine/eval-rubrics.md。
6. 与基线比较：执行 scripts/quality-tracker.py --brand {slug} --action get-trends --days 30，获取品牌近期的质量历史记录。如果存在历史数据，则展示本内容的综合分数和各维度分数与 30 天滚动平均值的比较——高于平均值、达到平均值或低于平均值，并注明差值。如果本内容会拉低品牌平均分，请标记出来。
7. 记录评估结果：执行 scripts/quality-tracker.py --brand {slug} --action log-eval --data '{"content_type":"{type}","scores":{"composite":{score},...per-dimension scores...},"grade":"{grade}"}'，保存评估结果，以便跟踪趋势和检测回归（必须包含 scores.composite；--content-type 是仅读取操作的筛选标志，不适用于 log-eval）。此步骤为必需——每次评估都必须记录。
8. 呈现结果并给出建议：综合所有发现，给出清晰的通过／不通过／需审核建议：
   • 通过：综合分数达到阈值、没有严重问题、所有维度均高于最低要求——内容已可发布
   • 需审核：综合分数处于临界范围或存在中等问题——内容需针对性修复后才能发布
   • 不通过：综合分数低于自动拒绝阈值、存在严重问题，或任何维度低于最低要求——内容需要大幅修改

输出

结构化评估报告，包含：

• 综合评分和字母等级：总体评分（0–100）和字母等级（A+ 至 F），以及通过／不通过／需审核的建议和清晰的理由
• 各维度评分明细：六个维度的单项评分——内容质量、品牌语气、幻觉风险、声明核验、输出结构、可读性；每项均包含评分、阈值、通过／不通过状态，以及一行关键发现摘要
• 严重问题列表：每项包含标记文本、位置、严重程度理由，以及具体的修复建议和替换文本示例
• 中等问题列表：结构与严重问题列表相同——低于阈值的评分、缺失章节、语气偏差、可读性问题
• 轻微问题列表：风格和润色建议，以及改进建议
• 修复影响估算：针对影响最大的前 5 项修复，估算应用每项修复后评分的提升幅度，帮助用户确定优先级
• 基线比较：将此内容与品牌过去 30 天的综合平均分和各维度评分进行比较，并显示差值和趋势方向（改善、稳定、下降）
• 自动拒绝检查：是否触发了任何自动拒绝规则，以及违反了哪些具体阈值
• 后续步骤：如果内容未通过或需要审核，则提供按影响排序的优先修复清单；如果内容通过，则确认内容已可发布，并提供可选的润色建议

使用的 Agent

• quality-assurance — 协调整套评估流程，计算综合评分和字母等级，划分问题严重程度（严重／中等／轻微），生成包含具体替换文本的修复建议，将内容与历史品牌质量数据进行基线比较，执行自动拒绝阈值，并记录评估结果以持续跟踪质量