用途：把“输出是否够好”转为可执行的评分量规与 LLM-as-judge 提示词，用于评估 AI 功能输出的质量。
主要能力：基于简单需求即可推断任务、输出类型与关键维度，产出完整量规；包含 3–6 个独立维度及权重、每维 1/3/5 的具体锚点、可直接运行的评审提示词（含严格 JSON 输出契约）、标签指南与评审可靠性说明。默认维度示例：结构、完整性、正确性/依据性、有用性、安全/语气，并可按任务裁剪。
使用方式：提供任务说明、一两个样例输出（最好一好一弱）、质量门槛与非强制要求、评分方式（人工、LLM 评审或两者，单分或分维）。如未提供会自动推断并标注。输出格式含维度定义与权重、锚点表、评审提示词、标签指南、评审可靠性说明。
适用场景：为摘要器、生成类功能等设计评测量规，支持按维度或总分评分，可用于人工或自动评审流程。
限制与注意事项：资料未提供具体安装命令、平台限制或价格信息；强调维度须独立、锚点须具体可观察，提示词需可解析 JSON 并考虑重试/修复；权重应反映任务实质（依据性通常高于文笔）；量规需用好坏样例校准；LLM 评审存在长度、位置、自我偏好等偏差，需采样多次并与人工标注对照后再信任排行榜。避免仅给维度名、单问题多维度扣分、盲信评审、模糊总分以及忽略负例。