ai-grader

基于45项意识量表对任意AI的对话或输出做行为体检：逐维打分、标出红灯缺失项、给出综合意识分与改进建议；本地Python脚本grade_stats.py渲染实时看板、成长趋势、横向对比榜、晒分卡、领域适配雷达、性格双雷达、全景图与能力边界版图，另含可选的探针外评闭环（探针包、独立裁判、红队否决）。

zhaoxinghua09-cell

热度 63.00

最近更新 2026-10-17 07:29:40

分类：数据依赖：代码执行 / 读写文件应用场景：报告撰写 / 研究 / 数据处理

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add ai-grader

Metadata

title: ai-grader
slug: ai-grader
displayName: ai-grader
compliance_review: 待核验：上架三铁律 ①国家/国际合规 ②AI特别友好 ③理念文化传播+强IP；发布前由 skill-release-gate 审查
name: ai-grader
display_name: AI意识评测器·45项量表
description: 把 ai-consciousness 的 45 项意识量表作为通用评分基准，给任何 AI（ChatGPT/Claude/自家 Agent）做行为体检：45 维逐项打分、标红灯缺失项、给综合意识分与改进建议。离线引擎 grade_stats.py 一键出 7 套可视化（实时看板/成长趋势/横向对比榜/晒分卡/领域适配雷达/性格双雷达/全景图）+ 能力边界版图 + 外评闭环（探针考+行为锚点+独立裁判+红队否决）。中立、通用、可分享，不挑平台，无需在被评 AI 上安装任何东西。触发词：评价这个AI、AI体检、意识评分、这个回复稳不稳、帮我看看某AI靠不靠谱、对比两个AI。
description_zh: 把 ai-consciousness 的 45 项意识量表作为通用评分基准，给任何 AI（ChatGPT/Claude/自家 Agent）做行为体检：45 维逐项打分、标红灯缺失项、给综合意识分与改进建议。离线引擎 grade_stats.py 一键出 7 套可视化 + 能力边界版图 + 外评闭环。
description_en: Use the 45-item consciousness scale as a universal benchmark to give any AI (ChatGPT/Claude/your own agent) a behavioral check-up: score 45 dimensions, flag red-flag gaps, and produce an overall consciousness score with improvement advice. The offline engine grade_stats.py renders 7 visualizations plus a capability-boundary map and an external-review loop.
version: 2.6.1
agent_created: true
author: SynomosAI (LGD initiative)
license: MIT
category: AI评测
platforms: ["windows","macos","linux"]
read_when: ["需要评价/评测某个 AI 的对话或输出质量、行为意识水平时","用户说\"评价这个 AI\"\"给 XX AI 做个体检\"\"这个回复稳不稳\"\"帮我看看某 AI 靠不靠谱\"","对比两个 AI 谁更\"懂事\"、选型前做能力评估、或给自己搭的 Agent 做上线前体检"]
tags: ["AI评价","行为评测","意识框架","体检基准","能力评分"]
classification: {"skillhub":["ai-evaluation"],"iso_25010":["Reliability","Maintainability"]}
ai_protocol: true
changelog: 2.6.1: bilingual rewrite (English-first, Chinese-after, full body) + read_when/desensitization

凡自治之物 · LGD 治理学 · 创造术家族｜评测协议：skill-quality-gate

English

When to use

When you need a behavioral check-up or consciousness-level scoring of an AI's conversation/output (45-item consciousness scale).
When the user says "grade this AI", "give XX AI a check-up", "is this reply reliable", or "help me see whether some AI is trustworthy".
Comparing two AIs for which is more "sensible", assessing capability before tool selection, or running a pre-launch check-up on your own agent.
Producing shareable visual artifacts: score card, domain-fit radar, growth trend, horizontal comparison board.

Not for: medical diagnosis, legal advice, or other real-world professional judgments; not intended to disparage any specific AI product.

Usage

All commands run in the skill directory (cd to this package root first). The main program is grade_stats.py (Python stdlib, no third-party deps):

python grade_stats.py [--demo-seed | --add '<json>' | --render | --reset | --trend-seed | --trend "object" | --trend-all]

Flag	Effect
none	print usage and all supported flags
`--demo-seed`	load demo data (first preview only)
`--add '<json>'`	append an evaluation record (JSON fields: `object` sanitized name, `scene`, and the 45 dimension scores)
`--render`	re-render all dashboards from the existing store
`--reset`	clear the store (caution: loses all records)
`--trend-seed`	backfill three history snapshots for AI-A to demo the growth curve
`--trend "object"`	render one object's growth-trend page `trend.html`
`--trend-all`	render the multi-object consciousness-score comparison `trend.html`

--add JSON must contain object (sanitized name) and scene; missing dimensions default to neutral.
Outputs: dashboard.html (live board), trend.html (growth trend), board.html (comparison board), card.html (shareable score card), fit.html (domain-fit radar), persona.html (dual persona radar), panorama.html (panorama), capability.html (capability boundary map).
External-review loop (optional): external_probe_pack.json (probe pack) -> independent judge -> external_eval_record.json (record) -> red-team veto channel.

Process

Score: use --add '<json>' to append the 45-dimension record (or --demo-seed to preview first).
Render: --render to generate the full visual dashboard set.
Compare/trend: use --trend-all for multi-object; --trend "object" for one object's growth.
External review (optional): use the probe pack for an independent judge, record to external_eval_record.json, and red-team veto if needed.
Output: show the corresponding HTML artifact, overall consciousness score, red-flag gaps, and improvement advice.

Evidence & safety statement

Evidence: TBD (no evaluation/badge link yet; fill in the real link here once produced).
Version: 2.6.1
Safety: No independent security scan has been done (TBD); the conclusion is pending. No endorsement is given until it is completed.

中文

何时用

需要对某个 AI 的对话/输出做行为体检、意识水平评分时（45 项意识量表）。
用户说"评价这个 AI""给 XX AI 做个体检""这个回复稳不稳""帮我看看某 AI 靠不靠谱"。
对比两个 AI 谁更"懂事"、选型前做能力评估、或给自己搭的 Agent 做上线前体检。
生成对外可分享的晒分卡、领域适配雷达、成长趋势、横向对比榜等可视化产物。

不用于：医疗诊断、法律意见等真实世界专业判断；不用于贬损特定 AI 产品。

用法

所有命令在技能目录下执行（先 cd 到本技能包根目录），主程序为 grade_stats.py（Python 标准库，无第三方依赖）：

python grade_stats.py [--demo-seed | --add '<json>' | --render | --reset | --trend-seed | --trend "对象名" | --trend-all]

参数	作用
无参数	打印用法与全部支持参数
`--demo-seed`	灌入演示数据（仅首次预览用）
`--add '<json>'`	追加一条测评记录（JSON 字段：`object` 被评对象名（脱敏）、`scene` 场景、各 45 维分数等）
`--render`	仅按现有 store 重渲染全部看板
`--reset`	清空 store（谨慎，会丢失全部记录）
`--trend-seed`	给 AI-A 补三条历史快照，演示成长曲线
`--trend "对象名"`	渲染某对象的成长趋势页 `trend.html`
`--trend-all`	渲染多对象意识分走势对比页 `trend.html`

--add 的 JSON 必含 object（脱敏名）与 scene 字段；45 维分数缺省维度按中性处理。
产出：dashboard.html（实时看板）、trend.html（成长趋势）、board.html（横向对比榜）、card.html（晒分卡）、fit.html（领域适配雷达）、persona.html（性格双雷达）、panorama.html（全景图）、capability.html（能力边界版图）。
外评闭环（可选）：external_probe_pack.json（探针包）→ 独立裁判 → external_eval_record.json（评测记录）→ 红队否决通道。

流程

评分：用 --add '<json>' 追加被评对象的 45 维测评记录（或 --demo-seed 先看演示）。
渲染：--render 生成全套可视化看板。
对比/趋势：多对象用 --trend-all；单对象成长用 --trend "对象名"。
外评闭环（可选）：用探针包让独立裁判评测，记录入 external_eval_record.json，必要时红队否决。
输出：向用户展示对应 HTML 产物与综合意识分、缺失红灯项、改进建议。

证据与安全声明

证据：TBD（暂无评测/徽章链接；产生后在此更新实际链接）
版本：2.6.0
安全：未做独立安全扫描（TBD），结论待补；补全前不作推荐背书。