用途：回答关于如何评估生成式 AI 工具与产品的问题，依据公开的 AI Evaluation Playbook（https://eval.playbook.org.ai/ ，由 The Agency Fund 联合 CGD 与 IDinsight 维护，按季度发布）。该技能本身是活文档的稳定索引，不是内容本体，缓存摘要仅供定位。
主要能力：提供四级评估框架的定位——L1 模型（系统是否按预期运行，AI 工程师/ML 研究者）、L2 产品（是否吸引并留住用户，PM/数据科学家/UX 研究者）、L3 用户（是否改变想法、感受、知识与行为，行为科学家/M&E 专家）、L4 影响（发展成果是否改善，影响评估者/经济学家）；四级是循环而非线性，L1 单独不构成评估，L2 优化的是成功所需时间而非使用时长。还给出最小可行评估（MVE）的定位：L1 为 2–3 个带阈值的评分维度 + 30–50 条黄金数据集条目 + 至少 1 个安全指标 + 专家评审；L2 为参与/留存追踪 + 有用/无用信号；L3 为每周 10 条对话日志专家评审 + 1 个近端结果；L4 为样本充足的对照设计 + 版本控制 + 成本数据。
使用方式：先读本地 mel_wiki/wiki/frameworks/ai-evaluation-playbook.md；若涉及 SRHR，同时应用 ai-srhr-mel-framework.md。抓取实时内容优先 WebFetch 规范 URL，重定向时用 ctx_fetch_and_index；窄查询可用 ?ask= 端点，例如 https://eval.playbook.org.ai/model-behaviour/level-1-module-evaluation/overview.md?ask=what+is+a+golden+dataset ；被拦截时用 claude-in-chrome 兜底。避免旧 GitBook-ID 路径，使用语义路径；/user-expereince 已重定向到 /user-experience。作答需注明哪些来自实时页面、哪些来自缓存，并按读者类型调整（资助方、M&E、工程师/PM、实施人员）。
限制：缓存内容仅为定位，引用 MVE 等具体内容前须抓取对应页面；实时页面与缓存或 wiki 冲突时以实时页面为准并记录待核验；子页面 404 时抓取栏目根页并标记失效路径；评估本身资源密集，应帮助读者判断其阶段所需的足够程度，而非一律推荐最大方案。具体收费、价格与平台支持情况暂未提供。