---

name: 内容评估框架 description: 此技能应用于评估书籍章节、课程或教育内容的质量。它提供了一个系统化的6类别评分标准，包含加权评分（技术准确性30%、教学有效性25%、写作质量20%、结构与组织15%、AI优先教学10%、宪法合规性通过/不通过）和多层级评估（优秀/良好/需改进/不足）。在迭代起草过程中、内容完成后、按需审查请求时或验证阶段前使用此技能。 version: “2.1.0” constitution_alignment: “v4.0.1”

内容评估框架

此技能提供了一个全面、系统化的评分标准，用于评估教育书籍章节和课程，并具有可量化的质量标准。

宪法对齐：v4.0.1 强调：

• 原则1：规范优先（“规范即新语法”）
• 章节 IIa：泛大学4层教学法
• 章节 IIb：AI三角色框架（双向共同学习）
• 8项基本原则：包括事实准确性、结构连贯性、渐进复杂性
• 九大支柱（章节 I）：AI CLI、Markdown、MCP、AI优先IDE、跨平台、TDD、SDD、可组合技能、云原生

目的

通过6个加权类别评估教育内容，以确保：

• 技术正确性和代码质量
• 有效的教学设计和学习成果
• 针对目标受众的清晰、易懂的写作
• 恰当的结构和组织
• AI增强学习原则（与AI一起学习，而非从AI生成）
• 宪法合规性和标准遵循

何时使用此技能

在多个检查点调用此评估框架：

1. 迭代起草期间 - 中期质量检查，及早发现问题
2. 课程/章节完成后 - 在进入下一个内容单元前进行全面评估
3. 按需审查请求时 - 当用户明确要求进行质量评估时
4. 验证阶段前 - 作为SDD验证阶段工作流程的一部分，用于最终批准

评估方法

评分系统

多层级评估：

• 优秀 (90-100%) - 超出标准，质量典范
• 良好 (75-89%) - 满足所有标准，可能有小的改进空间
• 需改进 (50-74%) - 满足部分标准，但需要重大修订
• 不足 (<50%) - 未达到最低标准，需要重大返工

加权类别

评估使用6个类别，权重如下：

类别	权重	关注领域
技术准确性	30%	代码正确性、类型提示、解释、示例按所述工作
教学有效性	25%	先展示后解释模式、渐进复杂性、高质量练习
写作质量	20%	可读性（Flesch-Kincaid 8-10）、语气、清晰度、年级水平适宜性
结构与组织	15%	学习目标达成、逻辑流程、适当长度、过渡
AI优先教学	10%	展示共同学习伙伴关系、展示三角色框架、九大支柱对齐、强调规范即语法
宪法合规性	通过/不通过	必须通过所有不可协商的宪法要求，包括九大支柱对齐（门槛）

总加权分数计算：

最终分数 = (技术准确性 × 0.30) + (教学有效性 × 0.25) + (写作质量 × 0.20) +
              (结构与组织 × 0.15) + (AI优先教学 × 0.10)

宪法合规性： 必须达到"通过"状态。如果"不通过"，则无论加权分数如何，内容都无法继续。

如何进行评估

步骤1：准备上下文

评估前，收集：

• 被评估的内容（lesson.md、chapter.md 或章节文件）
• 来自 specs/<feature>/ 的相关规范、计划和任务文件
• 宪法文件（.specify/memory/constitution.md）
• 内容单元的学习目标和成功标准
• 使用的输出样式模板（.claude/output-styles/lesson.md 或类似文件）

步骤2：加载详细评分标准

阅读每个类别的详细层级标准：

读取：references/rubric-details.md

此文件包含为6个类别中的每一个定义优秀/良好/需改进/不足的具体标准。

步骤3：首先评估宪法合规性

宪法合规性是一个门槛 - 如果内容不符合宪法要求，则无法继续。

使用宪法检查清单：

读取：references/constitution-checklist.md

评估所有不可协商的原则和要求。标记为通过或不通过，并注明具体违规情况。

如果宪法合规性 = 不通过： 停止评估并立即报告违规情况。内容必须在继续前进行修订。

如果宪法合规性 = 通过： 继续加权类别评估。

步骤4：为每个加权类别评分

对于5个加权类别中的每一个（技术准确性、教学有效性、写作质量、结构与组织、AI优先教学）：

1. 查看具体标准 来自该类别的 rubric-details.md
2. 根据每个层级的标准评估内容
3. 分配层级（优秀/良好/需改进/不足）及分数范围
4. 记录具体证据 - 引用示例、注明行号、引用具体段落
5. 提供改进建议 - 具体、可操作的反馈

步骤5：计算加权分数

应用加权公式：

最终分数 = (技术准确性 × 0.30) + (教学有效性 × 0.25) + (写作质量 × 0.20) +
              (结构与组织 × 0.15) + (AI优先教学 × 0.10)

将层级分数转换为数值：

• 优秀： 95%
• 良好： 82%
• 需改进： 62%
• 不足： 40%

（如果合理，也可使用层级范围内的具体数值分数）

步骤6：生成评估报告

使用结构化评估模板：

读取：references/evaluation-template.md

完成所有部分：

1. 执行摘要 - 总体分数、层级、通过/不通过状态
2. 类别分数 - 显示每个类别分数、层级和权重贡献的表格
3. 详细发现 - 每个类别的基于证据的评估
4. 优势 - 内容做得好的地方（具体示例）
5. 待改进领域 - 带有建议的优先问题列表
6. 宪法合规性状态 - 通过/不通过及具体原则检查
7. 可操作的后续步骤 - 改进内容的具体任务

步骤7：传达结果

呈现评估报告，包含：

• 明确结论 - 通过/不通过及总体质量层级
• 基于证据的反馈 - 具体引用和行号
• 优先改进项 - 最关键的问题优先
• 鼓励 - 认可优势和努力

评估最佳实践

客观且基于证据

• 引用被评估内容的具体段落
• 参考行号或章节标题
• 对照客观的评分标准，而非主观偏好
• 尽可能使用具体指标（字数、可读性分数等）

关注标准，而非完美

• 评级为"良好"（75-89%）的内容经过少量润色即可发布
• 评级为"优秀"（90-100%）的内容超出标准，但非必需
• 优先将"需改进" → “良好"的改进，而非"良好” → “优秀”

提供可操作的反馈

• 不要只说"提高清晰度" - 具体说明哪些句子不清晰并建议重写
• 不要只说"添加示例" - 建议有助于理解的具体示例类型
• 优先排序建议：关键（阻碍性问题）→ 重要 → 锦上添花

尊重学习过程

• 认识到迭代改进 - 草稿经过多次修改而演变
• 庆祝进步和优势
• 建设性地提出批评，视为成长机会
• 记住：目标是帮助创建优秀的教育内容，而非设限

质量门槛和阈值

最低接受阈值

• 宪法合规性： 必须为通过（门槛）
• 总体加权分数： 必须 ≥ 75%（良好或更好）
• 无类别低于50%： 每个独立类别必须至少达到"需改进"层级

建议发布标准

• 宪法合规性： 通过
• 总体加权分数： ≥ 82%（良好层级）
• 技术准确性： ≥ 75%（良好层级） - 对可信度至关重要
• 教学有效性： ≥ 75%（良好层级） - 对学习成果至关重要

典范内容（可选）

• 总体加权分数： ≥ 90%（优秀层级）
• 至少3个类别达到优秀层级
• 无类别低于良好层级

常见评估场景

场景1：中期草稿检查（迭代）

上下文： 作者请求对部分草稿提供反馈 方法：

• 关注基础问题（结构、学习目标、概念脚手架）
• 及早标记关键问题（技术错误、宪法违规）
• 为剩余章节提供指导
• 不期望完美 - 优先考虑内容完整性和正确性

场景2：完成审查

上下文： 作者认为内容已完成并准备验证 方法：

• 对所有6个类别进行全面评估
• 计算最终加权分数
• 检查所有质量门槛和阈值
• 提供包含优先改进项的全面报告
• 确定内容是否符合发布标准

场景3：验证前质量门槛

上下文： 内容进入SDD验证阶段 方法：

• 验证宪法合规性（门槛）
• 确认最低接受阈值（≥75%）
• 验证所有类别分数达到最低要求
• 生成带有证据的通过/不通过建议
• 如果未通过门槛：返回实施阶段并附带具体修订任务

场景4：按需抽查

上下文： 用户询问特定章节"这个看起来怎么样？" 方法：

• 评估该章节的相关类别（可能不是全部6个）
• 就具体问题提供快速反馈
• 突出任何关键问题
• 建议改进，无需完整的正式报告
• 根据上下文判断评估深度

资源和参考资料

此技能包含详细的参考资料：

• references/rubric-details.md - 所有6个类别的全面层级标准，包含具体指标
• references/constitution-checklist.md - 用于宪法合规性评估的通过/不通过检查清单
• references/evaluation-template.md - 用于一致评估报告的结构化模板

评估期间根据需要加载这些参考资料，以确保一致性和彻底性。

---

示例评估流程

用户请求： “请评估此课程草稿：apps/learn-app/docs/chapter-3/lesson-2.md”

评估过程：

1. 读取内容： apps/learn-app/docs/chapter-3/lesson-2.md
2. 加载上下文： 规范、计划、宪法、学习目标
3. 检查宪法合规性： references/constitution-checklist.md
   • 结果：通过（所有不可协商项均满足）
4. 加载详细评分标准： references/rubric-details.md
5. 评估每个类别：
   • 技术准确性：良好 (80%) - 代码有效，类型提示有少量缺失
   • 教学有效性：优秀 (92%) - 强大的脚手架，优秀的练习
   • 写作质量：良好 (78%) - 写作清晰，可读性有小的改进空间
   • 结构与组织：良好 (85%) - 流程良好，所有学习目标均达成
   • AI优先教学：需改进 (65%) - AI练习存在但指导薄弱
6. 计算加权分数：
   • (80×0.30) + (92×0.25) + (78×0.20) + (85×0.15) + (65×0.10) = 81.55%
   • 最终层级：良好 (81.55%)
7. 加载模板： references/evaluation-template.md
8. 生成报告，包含发现、优势、改进项、后续步骤
9. 传达结论： “良好 (81.55%) - 对AI优先教学部分进行少量改进后即可发布”

---

使用此技能为所有教育内容维护一致、客观、基于证据的质量标准。