Axiomata 技能评估系统 v3.0

通用、非人格化的 OpenClaw 代理技能质量评估工具。

1. 目的和范围

目标

使用双评估系统提供完整的技能质量评估：

1. Axioma 5维框架（100分）
2. ISO 25010结构框架（13项自动检查）

设计原则

自包含 + 通用 + 非人格化

使用时机

2. 双评估系统

╔═══════════════════════════════════════════════════════════╗
║              双评估系统架构                            ║
╠═══════════════════════════════════════════════════════════╣
║                                                           ║
║  ┌─────────────────────────────────────────────────┐      ║
║  │  1. Axioma 5维评估（100分）                      │      ║
║  │                                                 │      ║
║  │  维度：                                         │      ║
║  │  ├─ 结构（Structure）     → 20%                 │      ║
║  │  ├─ 清晰度（Clarity）     → 20%                 │      ║
║  │  ├─ 完整性（Completeness） → 20%               │      ║
║  │  ├─ 一致性（Consistency） → 20%                │      ║
║  │  └─ 功能性（Functionality） → 20%              │      ║
║  │                                                 │      ║
║  │  目标：70+ 分数                                 │      ║
║  └─────────────────────────────────────────────────┘      ║
║                        ↓                                ║
║  ┌─────────────────────────────────────────────────┐      ║
║  │  2. ISO 25010 结构检查（13项）                 │      ║
║  │                                                 │      ║
║  │  类别：8个类别，25项标准                       │      ║
║  │  自动检查：13项测试                            │      ║
║  │                                                 │      ║
║  │  目标：90%+（12/13项通过）                    │      ║
║  └─────────────────────────────────────────────────┘      ║
║                                                           ║
╚═══════════════════════════════════════════════════════════╝

评估流程

[输入] 待评估技能
          ↓
 第一阶段：Axioma 5维评估
          ↓
 第二阶段：ISO 25010结构检查
          ↓
 [输出] 质量报告 + 改进建议

3. 捆绑工具

工具路径

EVAL_PATH="<技能目录>/scripts/"
SKILL_PATH="<待评估技能>"

# Axioma 5维评估
python3 ${EVAL_PATH}evaluator.py <SKILL_PATH> --verbose

# ISO 25010检查
python3 ${EVAL_PATH}eval-skill.py <SKILL_PATH> --verbose

4. Axioma 5维评估

4.1 维度分解

4.2 分数阈值

5. ISO 25010 结构检查

5.1 自动检查（13项）

5.2 通过阈值

6. 命令参考

6.1 Axioma 5维评估

# 基本评估
python3 <技能目录>/scripts/evaluator.py <技能路径>

# 详细输出
python3 <技能目录>/scripts/evaluator.py <技能路径> --verbose

# 自动改进建议
python3 <技能目录>/scripts/evaluator.py <技能路径> --verbose --improve

# JSON输出
python3 <技能目录>/scripts/evaluator.py <技能路径> --json

6.2 ISO 25010检查

# 基本ISO检查
python3 <技能目录>/scripts/eval-skill.py <技能路径>

# 详细输出
python3 <技能目录>/scripts/eval-skill.py <技能路径> --verbose

# JSON输出
python3 <技能目录>/scripts/eval-skill.py <技能路径> --json

6.3 评估所有技能

# 评估父目录中的所有技能
python3 <技能目录>/scripts/evaluator.py --all

# 详细输出所有
python3 <技能目录>/scripts/evaluator.py --all --verbose

7. 输出格式

7.1 控制台输出

=== 评估结果 ===
结构（STRUCTURE）       20/20 ████████████████████ 100%
清晰度（CLARITY）       17/20 █████████████████░░░ 85%
完整性（COMPLETENESS）  14/20 ████████████░░░░░░░░ 70%
一致性（CONSISTENCY）   10/20 ██████████░░░░░░░░░ 50%
功能性（FUNCTIONALITY） 12/20 ████████████░░░░░░░░ 60%
------------------------------------------------------------
状态：良好（分数 73%）

7.2 JSON输出

{
  "skill": "example-skill",
  "scores": {
    "structure": 20,
    "clarity": 17,
    "completeness": 14,
    "consistency": 10,
    "functionality": 12
  },
  "total": 73,
  "max": 100,
  "passed": true,
  "recommendations": [
    "[CONSISTENCY] 低分 (50%)",
    "  -> 风格分数: 2/5"
  ]
}

8. 示例

示例1：基本评估

$ python3 evaluator.py /path/to/skill --verbose
读取 /path/to/skill/SKILL.md (2048 字符)
结构（Structure）: 20/20
清晰度（Clarity）: 17/20
完整性（Completeness）: 14/20
一致性（Consistency）: 10/20
功能性（Functionality）: 12/20
============================================================
状态：良好（分数 73%）

示例2：ISO 25010检查

$ python3 eval-skill.py /path/to/skill --verbose
【结构】（STRUCTURE）
    通过：5/6
【触发词】（TRIGGER）
    通过：2/2
【文档】（DOCUMENTATION）
    通过：2/3
【脚本】（SCRIPTS）
    通过：2/2
【安全】（SECURITY）
    通过：2/2
==================================================
  通过：13  警告：0  失败：0
  结构分数：100%（13/13项通过）

示例3：JSON输出

$ python3 evaluator.py /path/to/skill --json
{
  "skill": "example-skill",
  "scores": {
    "structure": 20,
    "clarity": 17,
    "completeness": 14,
    "consistency": 10,
    "functionality": 12
  },
  "total": 73,
  "max": 100,
  "passed": true,
  "recommendations": []
}

9. 自我评估

技能自动进行自我评估：

# 自我评估（未提供路径时评估自身目录）
python3 evaluator.py

# v3.0预期输出：
# 分数：85+/100
# 状态：良好到优秀

10. 建议格式

当维度得分低于70%时：

[{维度}] 低分 ({百分比}%)
  -> {具体问题}
  -> {具体问题}

示例：

[一致性] 低分 (50%)
  -> 集群对齐部分：2
  -> 风格：2/5

11. 约束条件

质量阈值

12. 错误处理

13. 工作流集成

╔═══════════════════════════════════════════════════════════╗
║         技能发布工作流                                    ║
╠═══════════════════════════════════════════════════════════╣
║                                                           ║
║  1. 创建技能                                              ║
║      ↓                                                    ║
║  2. 自我评估                                              ║
║      ↓ 70+ → 继续                                        ║
║  3. ISO 25010检查                                        ║
║      ↓ 90%+ → 继续                                       ║
║  4. 如有需要则修复问题                                    ║
║      ↓                                                    ║
║  5. 发布到ClawHub                                        ║
║                                                           ║
║  结果：高质量的生产就绪技能                               ║
║                                                           ║
╚═══════════════════════════════════════════════════════════╝

In Altum Per Qualitatem. 🧪 AXIOMATA 技能评估系统 v3.0 — 通用质量系统