用途
evaluation-rubrics 用于设计结构化评分工具，通过明确的标准、绩效量表和描述符，实现一致、透明的质量评估。它适用于需要评估各类成果（如文章、代码、设计、提案等）的场景，帮助评估者减少主观偏差，提高评分可靠性。
主要能力
该技能提供完整的评分量规开发流程，包括六个步骤：定义目的和范围、识别评估标准、设计量表、撰写绩效描述符、测试和校准、使用和迭代。它涵盖五种常见量规模式：分析型量规（多标准×多等级，适合详细反馈）、整体型量规（单一总分，适合快速判断）、单点型量规（仅列出“达到标准”描述，适合成长型反馈）、检查清单（二元是/否，适合合规检查）和基于标准的量规（与学习目标挂钩，适合教育评估）。此外，还提供量表选择指南、标准类型说明、评分者间信度基准以及常见陷阱提醒。
使用方式
用户需提供输入：成果类型（评估什么）、标准（质量维度，通常4-8个）、量表（默认1-5，也可指定1-4、1-10或定性标签）。技能将输出 evaluation-rubrics.md 文件，包含目的、标准定义、带描述符的量表、使用说明、权重/阈值和校准说明。工作流程以清单形式引导用户逐步完成，并引用 resources/template.md、resources/methodology.md 和 resources/evaluators/rubric_evaluation_rubrics.json 等资源。
适用场景
适用于教育评估、代码审查、设计评审、提案评估、合规检查、技能认证等需要结构化评分的领域。特别适合需要详细反馈、诊断具体优缺点、或要求多个评估者保持一致的场景。
限制
该技能强调量规是辅助工具而非人类判断的替代品。对于高风险决策（如招聘、录取、奖项），建议结合结构化面试、作品集等多方法评估；对于主观/创造性工作（如艺术、诗歌、设计），需辅以评论、讨论和专家判断；对于复杂的整体判断（如领导力、文化契合度），量规有帮助但无法捕捉全部。此外，量规开发需要时间投入：简单量规2-4小时，标准量规6-10小时加校准会议，复杂量规15-25小时加多轮校准。评分者间信度低于70%时需要改进描述符并重新校准。