用途：针对反复出现的评估或预测性判断（如筛选候选人、给线索打分、工单分诊、队列排序），用简单机械规则替代不稳定的整体直觉。核心逻辑是：同一专家在不同时间对同一案例打分不一致，而固定规则能消除这种噪声；少量线索加权合并后一致应用，通常能达到甚至超过整体判断。
主要能力：帮助确定重复判断及其可测量的预测结果；挑选3至6个有真实预测信号的线索并说明理由；分配权重（默认等权，除非有真实数据支持其他权重）；定义每个线索的评分细则，使不同人打分一致；设定合并公式与阈值决策规则；强制一致应用并标注局限。
使用方式：按技能说明的步骤执行，最终按 references/TEMPLATE.md 输出评分模型（线索、权重、细则、公式、阈值、注意事项），而非散文。
适用场景：同类判断反复发生、直觉判断不一致或过度自信、存在少量有预测力的线索。
限制：不适用于一次性战略选择；没有真实预测线索或数据时不应编造线索与权重；涉及个人的高风险判断（招聘、贷款、司法）存在公平、法律与伦理问题，应明确标注而非静默自动化。该模型仅与其线索质量相当，且证据来自人类专家与模型的对比研究，迁移至AI使用但未经AI验证。