用途：给 AI 培训项目中的前端实现打分。50 名学员分成约 12 组，按 spec-driven 方式实现本地部署网站；本 skill 让 Claude（或 Qoder / Cursor / Claude Code agent）按统一 rubric 给某一组前端评分，产出可给学员的 Markdown 报告 + 可汇总 leaderboard 的 JSON。
主要能力：10 个加权维度（合计权重 100）——Spec 一致性 20、主题与审美 12、动画与流畅度 10、状态完备性 10、代码质量 10、响应式适配 8、表单与输入反馈 8、性能 8、无障碍 a11y 8、微文案 6。采用 0–10 锚点标尺（0/3/5/7/9/10 为锚点，1/2/4/6/8 仅在证据支持时使用，不允许小数），总分按加权归一化映射到 0–100，并给出 S/A/B/C/D 档位。证据硬约束：≥7 或 ≤4 分需至少 2 条证据，5–6 分至少 1 条，9–10 分需 3 条；证据不足则 score 置 null 并标 EVIDENCE_MISSING。
使用方式：前置需本地可跑（npm run dev / pnpm dev / yarn dev，默认 http://localhost:3000）、spec 位于 <project>/docs/spec.md 或 README.md 或 spec/*、Node ≥ 18，首次使用 npx playwright install chromium。输出写入待评项目根目录 .grading/。流程为定位与启动、收集证据、逐维度打分、产出 report.md + summary.json、自检。配套脚本：bash ./probes/probe-screenshots.sh <team> <base-url>、probe-performance.sh、probe-a11y.sh。自检命令：npx ajv-cli validate -s skills/score-schema.json -d .grading/reports/<team>-frontend.json。
适用场景：培训项目前端作业的统一评分与班级横向对比。限制：需先确认 spec 路径，找不到不得凭空评分；证据须为代码引用、截图、命令日志或 spec 引用四类之一，伪造或占位证据该维度作废；具体收费、价格、平台等信息暂未提供。