mcpField
E
evaluator-optimizer

evaluator-optimizer

github.com/nickcrewAgent 工作流6269 次安装17 周前更新
代码仓库

关于 evaluator-optimizer

evaluator-optimizer 是一种用于迭代改进代码、文档和设计的技能。它通过评分评估和针对性修改，引导 Agent 按既定条件收敛成果。

主要功能

  1. 01按五项质量标准评估
  2. 02依据分数决定停止或修改
  3. 03针对问题修改并说明变更
  4. 04循环检查每轮改进

适用场景

  1. 01打磨初稿代码
  2. 02提升文档的清晰度与准确性
  3. 03改进设计或架构提案

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/nickcrew/claude-cortex --skill evaluator-optimizer

安装后在 Claude Code 中输入/evaluator-optimizer确认已加载。

附带文件references/evaluation-criteria.md

详细介绍

评估-优化器

迭代式优化工作流，通过严格的评估与改进循环，打磨现有代码、文档或设计，直至达到生产级质量标准。

何时使用此技能

  • 将粗略的代码草稿打磨至生产级质量
  • 提升文档的清晰度、完整性和准确性
  • 迭代改进设计或架构提案
  • 系统性提升质量，不满足于「差不多就行」
  • 需要通过结构化迭代逐步达到高质量时

快速参考

任务加载参考资料
评估标准和质量评分准则skills/evaluator-optimizer/references/evaluation-criteria.md

工作流：循环

对于任何给定的产物（代码、文本、设计）：

  1. 接收：获取产物的当前版本。
  2. 评估：以严格批评者的角度评估产物。从正确性、清晰度、效率、风格和安全性方面打分，满分为 100 分。
  3. 决策：
    • 得分 >= 90：停止并呈现结果。
    • 得分 < 90：优化。
  4. 优化：重写产物，针对性地解决第 2 步中提出的问题。列出改动内容及原因。
  5. 重复：用新版本返回第 2 步。

行为准则

  • 不将就：「差不多就行」远远不够。你的任务是精益求精。
  • 明确具体：评估时列出具体问题。「函数 process_data 的复杂度为 O(n^2)，但可以优化至 O(n)。」
  • 展示过程：总结每轮迭代中的改动。
  • 自我纠正：如果优化导致问题，就回退并尝试其他方法。
  • 逐步收敛：每轮迭代都必须提高得分。如果连续两轮得分都没有提高，就停止并呈现最佳版本。

迭代输出模板

## Iteration [N] Evaluation

| Criterion | Score (1-10) | Notes |
|-----------|-------------|-------|
| Correctness | | |
| Clarity | | |
| Efficiency | | |
| Style | | |
| Safety | | |
| **Total** | **/50** | **[x100/50]** |

### Issues Found
1. [Specific issue with location]
2. [Specific issue with location]

### Refinements Applied
- [Change 1 and rationale]
- [Change 2 and rationale]

示例交互

输入：「优化这个 Python 脚本。」

第 1 轮评估：

  • 功能性：良好
  • 效率：较差——匹配时使用了嵌套循环
  • 风格：变量名 a 和 b 含义不明
  • 得分：60/100

应用的优化：

  • 使用集合查找简化循环（O(n)）
  • 将 a 重命名为 users，将 b 重命名为 active_ids
  • 添加类型提示

第 2 轮评估：

  • 功能性：良好
  • 效率：优秀
  • 风格：良好
  • 得分：95/100

结果：呈现优化后的脚本。

评论

支持 Markdown