measure-okr-grader

OKR 评分器

OKR 周期回顾是对已完成 OKR 集合进行回顾并完成闭环的产物。它会根据基线和目标为每个 KR 评分，区分承诺型和进取型的解读，揭示哪些结论有证据支持、哪些没有，指出团队的所学，并为下一周期的起草工作准备输入。做好周期回顾，可以通过拒绝将未达成的承诺包装成进取型挑战、拒绝以努力代替成果来庆祝，以及拒绝让评分承担其无法承受的分量，维护 OKR 运作系统的完整性。

这项技能是证据解读器，而非算术引擎。它的任务是读取 KR 的最终数值，对照原始 OKR 集合的意图，并如实总结所学。它贯彻源自 Doerr（Measure What Matters）、Wodtke（Radical Focus）、Castro（承诺型与进取型解读）、Grove（High Output Management）以及 OKR 社群在误用失效模式方面积累的实践经验的实证评分惯例。它与 foundation-okr-writer（负责制定被评分的 OKR 集合）配合，并将此处总结的经验交给后续使用这些经验的迭代技能。

适用场景

• OKR 周期已结束（或你正在为部分周期收尾评分）
• 你有 KR 的最终值或阶段性值、基线和目标
• 利益相关者需要一份包含评分、证据和经验总结的清晰回顾
• 团队正在决定要继续、停止、调整或延续哪些事项
• 大家对某个分数好坏存在分歧
• 各 KR 的证据质量参差不齐，需要明确呈现

不适用场景

• 你仍在起草 OKR——请使用 foundation-okr-writer
• 你想进行一般性的团队复盘——请使用 iterate-retrospective
• 你要汇报单次实验的结果——请使用 measure-experiment-results
• 你需要不含评分的利益相关者进度更新——请使用 foundation-stakeholder-update
• OKR 集合从未达成共识或从未跟踪——评分需要已有的 OKR 集合；请先通过 foundation-okr-writer 补录
• 你想用分数评估个人——此技能会拒绝这样做

说明

收到已完成 OKR 的评分请求时，请遵循以下步骤：

1. 确认是否已具备评分条件 检查输入：原始 OKR 集合、周期日期、KR 最终值（或部分收尾时的阶段性值）、基线、目标、证据来源和 OKR 类型（committed | aspirational | learning | operational_health | compliance_or_safety）。如果缺少某个数值，请明确标记为 not-yet-observable、not-instrumented 或 not-supplied；切勿捏造。对于原始定义完全缺失的 KR，拒绝评分。

2. 分类每个 KR 的类型和指标类别 OKR 类型为 committed | aspirational | learning | operational_health | compliance_or_safety 中的一种（即 foundation-okr-writer 生成的五种类型）。指标类别为 leading | lagging | guardrail | health | evidence_generation 中的一种。沿用原始 OKR 集合中的这两项分类；如果原始集合未指定，则分配默认值。OKR 类型决定评分惯例：aspirational 采用 0.6 至 0.7 的理想区间；committed 以 1.0 为目标；compliance_or_safety 采用二元判定；operational_health 根据阈值范围判定为 pass | fail | drift-within-tolerance；learning 根据已验证或已证伪来评分。指标类别会在类型评分规则之外增加独立规则（见步骤 3）。

3. 为每个 KR 评分 根据各 KR 的 OKR 类型采用相应惯例评分，然后叠加应用指标类别规则；完整的各类型惯例表和护栏规则见下文的“评分规则”部分（此处不要重复）。对每个分数，说明计算过程或判定依据，并给出证据可信度（high | medium | low | unknown）。

4. 解读目标评分 当某个关键结果（KR）属于护栏、合规门槛或学习型 KR 时，避免简单求平均。除了提供粗略的数值平均分，还要对目标进行定性解读。明确说明该评分代表什么、不代表什么。

5. 评估证据质量 对每个 KR，说明证据的可靠性及任何注意事项（如监测工具缺口、周期中途调整目标、群组定义变更、测量窗口不匹配、样本量限制）。为下个周期的测量计划建议改进措施。

6. 将举措视为赌注 对团队实施的每项举措，说明它预期影响哪个 KR、是否已交付、看起来产生了什么影响，以及证据是否支持继续、取消或重新设计该举措。采用 Castro 提出的“举措是赌注，而非承诺”这一框架。将交付状态与 KR 影响分开：按时交付但未推动对应 KR 的举措，不算部分成功。

7. 综合经验教训 总结已验证的假设、被否定的假设、意外发现及其决策影响。区分有关客户或产品的经验（留存）、团队流程方面的经验（交由 iterate-retrospective 处理），以及测量方面的经验（交由 measure-instrumentation-spec 或 measure-dashboard-requirements 处理）。

8. 为下个周期准备建议 对每个目标，建议继续、修订、取消或升级处理。为 foundation-okr-writer 提出下个周期可考虑的 OKR 或待解答的问题。将测量缺口交由 measure-dashboard-requirements 或 measure-instrumentation-spec 处理。将假设测试交由 define-hypothesis 处理。将团队流程相关工作交由 iterate-retrospective 处理。将组织记忆交由 iterate-lessons-log 处理。将下个周期的起草工作交由 foundation-okr-writer 处理。

9. 指出解读风险 明确指出可能误导读者的评分情形：对尚不可观测的 KR 强行打分、举措结果受到混杂因素影响、相关方的表述低估了证据，以及需要再经过一个周期确认的单周期结果。

10. 注明权威数据源 该文档是评审文件，并非权威 OKR 系统。添加一个指向原始 OKR 跟踪系统的 source_of_truth 字段。

11. 整理为可直接使用的版本 从最终文档中删除所有技能说明性评论。最终输出应面向读者。

约束规则（MUST / MUST NOT）

这些规则不可妥协。此技能会在每次评分时强制执行。

• MUST NOT 追溯更改基准、目标或 KR 定义。如果团队在周期中途调整了这些内容，必须明确记录更改，并同时依据原始版本和调整后的版本评分。
• MUST NOT 追溯缩小 committed 或 compliance_or_safety KR 的范围，以便将部分覆盖标记为通过。如果原始承诺列出了 3 个医疗保健客户账号，而目前仅审计了 1 个，那么该 KR 状态为 not-yet-fully-observable。这 1 个账号的结果是子信号，而不是 KR 得分。
• MUST NOT 将 0.7 视为 committed、compliance_or_safety 或 operational_health KR 的成功。这些 KR 的目标是 1.0（或阈值区间）。
• MUST NOT 通过平均分掩盖未通过的护栏。未通过的护栏是独立信号，不会被主要 KR 的成功所稀释。
• MUST NOT 将投入等同于影响。按时交付但未推动 KR 达成的计划，不算部分成功。
• MUST NOT 将 OKR 得分用作个人绩效评级或薪酬依据。如果用户提出此类要求，应予以拒绝，并说明这会带来目标保守化和抑制学习的风险。
• MUST NOT 惩罚坦诚设定的挑战目标，前提是在撰写 OKR 时已明确并披露其期望性质。0.6 的挑战性目标得分正是预期的理想区间。
• MUST NOT 将未达成的承诺目标称赞为有雄心的失败。承诺目标未达成就是未达成。
• MUST 明确标记任何尚不可观测的 KR（例如，观察窗口延续到周期结束之后的 90 天留存群组）。对尚不可观测的 KR 强行给出数值评分会造成误导。
• MUST 为每个 KR 得分标注证据置信度（high | medium | low | unknown）。
• MUST NOT 成为唯一权威信息来源。始终包含指向用户实际 OKR 跟踪工具的 source_of_truth 指针。

评分规则

此技能会在每次周期审查中应用以下惯例。评分惯例取决于 OKR 类型，而非团队在评分时的偏好。OKR 类型和指标类别是相互独立的维度；类型决定评分方式，指标类别则增加报告规则。

OKR 类型决定评分惯例：

• aspirational：使用 0 到 1 的数值评分 =（实际值 - 基准值）/（目标值 - 基准值）。理想区间为 0.6 到 0.7。低于 0.4 视为未达成；连续多个周期高于 0.8，则说明目标可能过于保守，需要重新校准。
• committed：根据目标判定通过或失败。低于 1.0 即为未达成，需要进行复盘。不要用挑战性目标的解释方式淡化结果。
• compliance_or_safety：二元判定。达成或未达成。不允许部分得分，也不得追溯缩小范围。如果承诺范围仅部分可观测（部分审计尚未完成、部分客户账号被延期），则将 KR 标记为 not-yet-fully-observable；已观测的子集是子信号，而不是 KR 得分。
• operational_health：根据阈值区间判定通过、失败或在容差范围内偏移。
• learning：判定为 validated | invalidated | partially-validated | insufficient-evidence。不使用数值评分。

指标类别规则在 OKR 类型评分规则基础上适用：

• 指标类别 guardrail：KR 按其 OKR 类型评分，同时还必须作为独立信号报告，绝不能计入主要目标得分的平均值。无论护栏本身属于 committed、aspirational、operational_health 还是 compliance_or_safety，护栏未通过都不会稀释较高的主要 KR 得分。

特殊状态：

• not-yet-observable：暂缓评分。不要强行给出数值评分；应标注中期信号和预测得分，并明确置信度及最终得分可得日期。
• not-yet-fully-observable：范围仅部分覆盖的 committed 或 compliance_or_safety KR。在全部覆盖可观测之前，暂缓对该 KR 评分。不要将子信号提升为 KR 级别的通过。

该技能检测到的反模式

该技能会扫描以下问题，并进行标记或拒绝：

• 事后调整目标（因为我们更改了目标，所以达成了目标）——记录变更；分别按两种定义评分
• 对 committed 或 compliance_or_safety KR 事后缩小范围（承诺完成 3 次医疗保健审计，只完成了 1 次，却按“范围内通过”评分）——拒绝，并标记为尚未完全可观测
• 用平均值冲淡护栏问题（失败的护栏信号被高主要目标分数掩盖）——单独呈现护栏信号
• 对承诺型目标进行愿景式评分（将 committed KR 的 0.7 视为成功）——拒绝并说明原因
• 将投入等同于影响（计划已交付，但分数未变，却被评为部分成功）——将交付状态与 KR 影响分开
• 将评分用于绩效考核——拒绝并说明原因
• 将未达成的承诺说成挑战目标（未能完全赶上约定的截止日期，但团队确实尽力了）——拒绝这种表述
• 目标定得过低（挑战目标的评分持续高于 0.85）——提示在下一周期重新校准目标
• 对尚不可观测的目标强行评分（KR 的 90 天观测窗口尚未结束，却给出数值评分）——标记为延期
• 缺乏证据却声称计划是原因（声称计划 X 推动了 KR Y，但时间安排或测量手段无法支持该结论）——将表面上的贡献与因果主张分开
• 隐藏低置信度（证据薄弱，却给出精确的数值评分）——明确标出置信度；不要让精确数字掩盖不确定性
• 利益相关方叙事凌驾证据（领导者偏好的表述优先于证据）——评分者应独立于利益相关方的表述作出判断
• 单周期确认（将单个周期的信号视为证明）——如果证据有提示性但不够稳健，建议再观察一个周期

输出约定（v1.0.0）

• 所有必需章节均按规范顺序呈现：摘要、记分卡、目标解读、证据质量、计划评审、经验总结、下一周期建议、解读风险
• 记分卡中的每个 KR 均包含：实际值（或 not-yet-observable / not-yet-fully-observable 标记）、按类型适用约定给出的评分、证据置信度、解读
• aspirational KR 使用 0 到 1 的数值量表；committed KR 只分通过或失败；compliance_or_safety KR 为二元结果；operational_health KR 使用通过 | 失败 | 容差范围内偏移；learning KR 使用已验证或已证伪的表述
• 指标类别为 guardrail 的 KR 必须单独呈现，绝不能计入主要目标的平均分，无论 OKR 类型如何
• committed 或 compliance_or_safety KR 的部分覆盖必须标记为 not-yet-fully-observable，而非 pass-on-in-scope
• 必须包含真实来源说明，并指向技能之外的位置
• 交接章节必须列出具体的下游技能，用于经验总结、团队流程工作、假设测试和测量缺口
• 仅输出 Markdown。不得输出 JSON。
• 测量阶段分类：frontmatter 中使用 phase: measure；不得包含 classification: 字段

质量检查清单

定稿前，请确认：

• 每个 KR 都有最终值、明确的 not-yet-observable 标记，或明确的 not-yet-fully-observable 标记（适用于 committed 或 compliance_or_safety KR 的部分覆盖情况）
• 每个 KR 都有证据置信度评级
• 每个 KR 的评分均采用规范枚举中与其 OKR 类型对应的约定：committed | aspirational | learning | operational_health | compliance_or_safety
• guardrail 作为指标类别处理，而非 OKR 类型
• 单独列出指标类别为 guardrail 的 KR，且绝不将其纳入主要评分的平均值
• 不得默默接受追溯性目标变更
• 不得追溯性缩小 committed 或 compliance_or_safety KR 的范围（部分覆盖应标记为 not-yet-fully-observable，而非 pass-on-in-scope）
• 不得将 committed KR 评为 aspirational
• 不得将投入等同于影响来描述计划
• 不得使用与薪酬挂钩的表述
• “解读风险”部分指出评分可能误导读者的地方
• “交接”部分列出具体的下游技能及其理由
• 包含事实来源说明
• 从最终产物中移除技能指令说明
• 仅使用 Markdown，不输出 JSON

示例

请参阅 references/EXAMPLE.md，其中包含 storevine 示例讨论串（Campaigns 团队，2026 年第 3 季度结项）的完整周期评审，展示了 aspirational 评分、一个 not-yet-observable KR、一个暂缓处理的 guardrail，以及一个关于模板是留存驱动因素的论点被证伪的情况。配套的 foundation-okr-writer 技能会生成本技能负责评分的 OKR 集；两者共同覆盖完整的季度周期。