← 回成果库

盲评结果 + 可外发 judge-pack

A. 本届盲评实况(2 名独立 agent · 互不通气)

两名独立 AI 评审 agent(general-purpose,全新上下文,互不知对方评什么)对隐去队名的 15 份提案各自打分。5 维:创新(25)/价值杠杆(25)/通用移植(20)/可行落地(20)/反走过场(10)。

汇总榜(两评审总分相加,满分 200)

两评审的独立冷热判定(诚实记录,不修饰)

• 评审A:最被高估 = P15 火力路由(疑似已有分流/自动挡的重述);最被低估 = P14 自洽扫描(朴素但抓错率高)。
• 评审B:最被高估 = P13 三方对抗(与 salon/warroom 冗余,仪式冒充多视角);最被低估 = P08 类比桥(唯一真扣"放大 Claude 特有能力",但落地看似难被压低)。

冠军组处理裁决(诚实边界)

• Top 5 = P01 / P15 / P11 / P04 / P10 → 已真造成可用 skill 文件(见 winners 一节),honoring 独立评审排名,非我自选。
• 评审对 P15/P10 提了"与已有技能重叠"的警告 → 建造时已做通用化/差异化处理(effort-router 做成不依赖任何项目引擎的可移植版;source-grounding-guard 明确定位"查自己交付前"、区别于 trust-checker"查他人产出")。
• 评审点名"最被低估的 P08 类比桥 / P14 自洽扫描" → 列入二期优先候选,不埋没。

B. 诚实声明(反表演)

• 两名评审 agent 与执行者同为 Claude 模型:能抓走运/放水/重叠/含糊,抓不了范式级共享盲点。要用于对外/承重决策,须升级到真异构外部 AI 或真人复核(Rule-VERIFY-001 / ME-043:不能拿同源冒充异构终审)。
• 因此下面附一份可直接复制发给外部独立模型(GPT/Gemini/Codex 等) 的盲评包。

---

C. 可外发盲评包(复制给一个外部独立 AI)

> 你是一名独立评审。下面 15 个是"能强化 Claude AI 自身某项特殊能力的创新技能"提案(已隐去作者)。请只按机制打分,别管名字。5 维各自满分:创新(25,相对通用 AI 助手已普遍具备的分析/核查/发散/研究能力是否真新)、价值杠杆(25,是否放大高频承重能力、一次做好处处受益)、通用可移植(20,任意场景可用还是绑死某业务)、可行落地(20,能否写成清晰能跑的提示词技能)、反走过场(10,有无内建收敛/失败面/简单任务豁免)。给每个总分+一句理由,最后给你的 Top 5 与"最被高估/最被低估各一个"。

>

> P01 需求镜像:动手前把请求回译成规格(做/不做/交付形态/验收/≥2歧义)让用户先对齐,防做错东西白干。

> P02 工具调用规划器:开工前列所需工具调用标[可并行/串行/可跳过],批量并行+预判失败替代。

> P03 决策日志:每个不可逆决策 append-only 记(选择/备选/理由/什么会证明我错),跨轮可复盘。

> P04 立场互换红队:结论后强制为相反结论写最强论证(同证据标准)再调和,治附和/过度自信。

> P05 数字体检:含数字结论前查量级(费米)/单位/百分比基数/求和=总数。

> P06 事前验尸:动手前假设已失败,倒推3死因,加防护。

> P07 约束松弛器:枚举约束→逐条问"真约束还是假设"→松最可疑一条,治反复撞同一堵墙。

> P08 跨域类比桥:陌生题抽掉领域皮提取结构,在别的已解决领域找同构问题迁移解法+查失真。

> P09 抽象阶梯:对问题在更抽象/更具体各爬一级定位真正该解那层。

> P10 来源接地守卫:交付前逐句标承重事实{工具核实/仅凭记忆/未获取},记忆的降级、未知不编。

> P11 隐藏假设审计:结论前列依赖的隐藏假设标{已知/推断/猜测},标"哪条为假会翻转结论",承重猜测先验证。

> P12 置信度账本:每条承重结论配显式置信度+"什么证据会改变我判断",禁裸绝对断言。

> P13 三方对抗小组:乐观/悲观/务实三人格互攻后综合,轻量多视角。

> P14 交付前自洽扫描:长产出交付前回扫前后矛盾/数字对不上/结论与正文不符/术语两义。

> P15 火力档位路由:开头判难度×可逆×影响,路由到L0直答/L1轻核/L2完整/L3火力全开,说明理由可改档。

---

D. Winners(已真造成 skill 文件)