用途：将模糊属性转化为确定性、可计算、可证明且有实证效度的度量，供人或智能体作为优化目标使用。资料称该技能为测量设计层，*-algorithms 类技能只应用 Big-O、NDCG、圈复杂度、MoJoFM 等既有度量，本技能教如何设计新度量。
适用时机：设计新指标、评分或指数；审查他人提出的度量是否严谨；被要求量化某无公认度量方式的属性；构建智能体会持续优化的确定目标；审计“不对劲”的既有指标；把研究思路或公式变成可计算、可复现、可采纳之物。
工作流与类别：按瀑布严重度排序，自上而下为 def-（构念定义与操作化，关键）、comp-（可计算性与可处理性，关键）、meas-（测量理论基础，高）、prop-（度量性质证明，高）、det-（确定性与可复现，高）、valid-（构念效度与校准，中高）、game-（优化安全与反博弈，中）、agg-（聚合、报告与采纳，中低）。每类参考文件为 {category}-{slug}.md，含 Why 说明、带失败标注的错误示例、带最小修复的正确示例与参考。
主要能力：定义不可观测构念、区分构念与代理、编写可否证的操作定义、固定分析单元与测量边界；避免以不可计算的 Kolmogorov 复杂度为度量、尊重 Rice 定理、选择可判定的观测等价、设计有可证误差方向的代理、保持近线性可处理性、显式界定近似误差；声明量表类型与只允许的统计量；证明单调性、不变性、敏感性、有界性与可组合性；保证纯度、固定迭代与打破平局顺序、固定输入表示、控制浮点、记录工具链与版本；与公认度量收敛、超越 LOC 基线、预测效度、阈值校准、样本外验证；让最低成本改进即正确改进、识别 Goodhart 变体、配护栏指标、硬性阻断违规获胜、用审计发现奖励黑客；按量表允许方式聚合、报告不确定性、公开版本化、发布参考实现与测试向量。
使用方式：按工作流表定位并打开对应的首条规则；自上而下处理，def- 与 comp- 为关键；提案或评审时按文件路径引用规则；新度量产出一页规格，逐类写清构念、代理、量表+单位+零点、已证明性质、确定性保证、效度证据、护栏与版本。
限制：资料未提供命令行安装方式、收费方式与具体平台要求，均暂未提供。该技能侧重度量设计方法论，实际数值计算依赖使用者所选代理与工具链。