用途
Score 是一个用于评估提示词上下文工程质量的技能，借助 ContextStellar 的评分 API 对提示词文本进行打分。它适用于用户要求对提示词打分、分析或优化时，或在发送提示词之前审查其质量时。
主要能力
评分采用五个维度，各维度权重不同：
- Token 利用率（25%）：衡量浪费情况，包括礼貌用语、填充词、强调词和冗余。
- 结构清晰度（23%）：衡量 XML 标签、列表、标题、代码块、祈使关键词的使用。
- 具体性（20%）：衡量数字、格式关键词、角色设定、示例和约束的明确程度。
- 内容密度（17%）：衡量词汇多样性与 n-gram 重复情况。
- 缓存友好度（15%）：衡量时间戳、UUID、日期引用以及易变数据的位置是否合理。
评分结果会展示总分与等级，等级范围从 A+ 到 F：
- A+（90 分以上）：优秀，可直接用于生产的提示词。
- A（80–89）：很好，仍有细微优化空间。
- B（70–79）：良好，检测到部分浪费模式。
- C（60–69）：尚可，存在明显的优化机会。
- D（50–59）：较差，建议进行较大幅度重构。
- F（低于 50）：不合格，存在根本性问题。
使用方式
技能从 $ARGUMENTS 获取提示词文本。如果没有提供参数，会要求用户粘贴或描述想要评分的提示词。随后调用 ContextStellar 的 hooks 端点进行评分，示例命令如下：
curl -s -X POST "${CONTEXTSTELLAR_BASE_URL:-https://contextstellar.com}/api/v1/hooks/claude-code" \
-H "Authorization: ${CONTEXTSTELLAR_API_KEY}" \
-H "Content-Type: application/json" \
-d "{
\"sessionId\": \"manual-score-$(date +%s)\",
\"type\": \"PreToolUse\",
\"toolName\": \"ManualScore\",
\"toolInput\": { \"content\": $(echo "$PROMPT_TEXT" | jq -Rs .) }
}"
结果展示包括：总分与等级、五个维度的分项得分、可操作的优化建议、token 数量与潜在可节省的 token 数。如果得分低于 B（低于 70），技能会主动给出具体的改进建议。
适用场景
- 在向模型发送提示词之前检查其质量。
- 对现有提示词进行打分、分析和优化。
- 识别提示词中的浪费、结构与具体性问题。
限制
需依赖 ContextStellar 评分 API，并需要配置相应的 API Key 与基础地址（CONTEXTSTELLAR_API_KEY、CONTEXTSTELLAR_BASE_URL）。其他使用限制暂未提供。