关于 search-discovery-relevance-review
面向评估搜索与发现质量的团队，梳理相关性、排序、筛选、零结果和用户信任问题，并形成包含评估标准与负责人的审查及改进计划。
主要功能
- 01梳理语料、意图和排序界面
- 02区分检索、筛选与排序
- 03制定相关性评估和反馈信号
- 04规划零结果恢复与发布
- 05生成审查、决策表和检查清单
适用场景
- 01审查搜索相关性
- 02排查零结果查询
- 03上线前评估排序变更
- 04评估个性化与信任风险
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/search-discovery-relevance-review确认已加载。
附带文件agents/openai.yamlreferences/search-discovery-relevance-patterns.md
详细介绍
搜索发现相关性评审
使用此技能，将有关搜索、发现、相关性质量、筛选条件、排名漂移、零结果和用户信任的问题，转化为包含负责人、门槛、指标和恢复路径的具体产物。
工作流程
- 确定可搜索语料、用户意图、查询类型、排名位置、业务激励、冷启动条目，以及相关性不佳造成的危害。
- 阅读
references/search-discovery-relevance-patterns.md。 - 区分检索、筛选、排名、个性化、编辑策展、赞助展示和审核资格。
- 定义质量评估、查询日志、零结果恢复、反馈信号、公平性检查、排名变更发布流程，以及支持／调试工具。
- 产出相关性审计、状态机、决策表、事件架构、评估集和发布检查清单。
不适用场景
- 如果基础模型无需此技能的特定产物规范就能处理一般性建议，则不要使用此技能。
护栏
- 不要在缺少标签和治理的情况下，将付费展示、编辑质量、资格和自然排名混为一谈。
- 当长期满意度、留存价值或滥用问题也很重要时，不要只优化点击量。
- 不要用随机填充结果掩盖零结果或低置信度状态。
- 未经隐私、公平性和用户控制审查，不要对敏感类别进行个性化处理。
输出格式
Discovery context:
Corpus / intent / ranking surface / trust risk:
Relevance improvement plan:
| Area | Decision | Evidence | Risk | Owner |
| --- | --- | --- | --- | --- |
Signals and evals:
- <item> -> <policy, metric, edge case, support note>
Ranking rollout and recovery:
- <trigger> -> <action, communication, owner>
评论
支持 Markdown