该技能面向 Claude Code，提供三种评估模式。
用途与触发方式： 模式一为使用分析，触发命令为 /prompts:evaluate [--days N]，通过运行 node "${CLAUDE_PLUGIN_ROOT}/scripts/metrics/evaluate-prompts.cjs" --days 7 读取 .claude/metrics/prompts/{date}.jsonl 中的提示词日志，报告意图分布、功能利用率、复杂度画像、改进建议与使用评分（0-100）；若无数据，需先由 prompt-logger 钩子自动收集，若干会话后再查看。 模式二为提示词质量评估，触发词为“evaluate this prompt”“optimize this prompt”或用户直接粘贴提示词。流程为：先分类意图、任务类型（coding/creative/RAG/agent/reasoning）、约束（格式、语气、工具）与目标模型；再按清晰度、指令质量、效率、鲁棒性、输出对齐五个维度各评 0-10 分；随后列出具体问题（歧义、缺失约束、冗余、幻觉风险、结构薄弱、token 浪费）；最后给出 Minimal Fix 与 Production Version 两个改写版本，并以 JSON 格式输出 task_type、score、breakdown、issues、suggestions、optimized_prompt。 模式三为输出方差检查，在用户怀疑提示词不稳定或上线前使用：以相同输入在独立上下文运行 N=3 次，比较结构与关键事实、结论、格式的一致性。方差低于10%为稳定，10-30%为低方差，30-60%为不稳定，超过60%为混乱，并给出示例报告与根因建议。
适用场景：面向自动化、CI 或面向客户的多次运行提示词上线前评估；用户反馈输出时好时坏时排查；锁定 SKILL.md 内容前检查稳定性。代价为单次运行的三倍成本。
限制与注意：该技能另有 6 维任务完整性校验（rules/core/prompt-validation.md）用于执行前任务接单验证，与提示词质量评估不同；评估原则包括优先规则而非清单、示例优于解释、需要可解析输出时使用结构化格式、去除模型已知内容、只约束会变化的行为、注意 token 预算；并会标记“You are an expert...”等反模式。文档未提供其他平台支持、收费或价格信息。