SSkilnexa
SkillKỹ thuật phần mềmHợp với: Lập trình viênMức: Vừa

Chấm trung thực chất lượng việc AI vừa làm

self-eval

Chấm hai trục: độ khó của việc và chất lượng thực hiện, buộc phản biện cả hướng cao lẫn thấp, lưu điểm qua các phiên và cảnh báo khi điểm cứ giống nhau.

Tải miễn phí. Theo dõi Skilnexa một lần là mở khoá mọi lượt tải trên web.

Nút theo dõi đang được chuẩn bị.
Link tải đang được chuẩn bị.

Nó là gì

Lệnh chấm trung thực công việc AI vừa làm: chấm riêng độ thử thách và chất lượng, rồi ra điểm từ 1 đến 5. Khác lời tự khen thường: bắt buộc nêu lý lẽ ngược chiều và ghi lịch sử để phát hiện chấm điểm lạm phát.

Hoạt động ra sao

Sau khi xong việc, AI tóm tắt công việc, chấm độ thử thách và chất lượng, đối chiếu ma trận cố định, rồi viết lý lẽ ngược chiều bắt buộc. Điểm được thêm vào file .self-eval-scores.jsonl, và nếu 4 trong 5 lần gần nhất giống nhau thì cảnh báo.

Ví dụ ứng dụng

Tình huống
Bạn vừa nhờ AI thêm phân trang cho API danh sách khách hàng của cửa hàng online.
Bạn đưa vào
Lệnh /self-eval kèm mô tả ngắn: thêm phân trang theo con trỏ cho API khách hàng.
Bạn nhận được
Bảng đánh giá gồm độ thử thách, chất lượng, lý lẽ hai chiều và một điểm từ 1 đến 5.

Ví dụ minh họa theo quy trình trong tài liệu gốc, chưa phải kết quả thử chạy.

Dùng khi nào

Khi vừa xong buổi làm việc với Claude Code và muốn đánh giá không thiên vị.

Các phần chính trong hướng dẫn

  1. Nội dung cần đánh giá
  2. Chấm điểm theo mô hình hai trục
  3. Độ khó của việc đã làm
  4. Chất lượng thực hiện
  5. Ma trận điểm tổng hợp
  6. Phản biện bắt buộc
  7. Kiểm tra chống nâng điểm
  8. Lưu điểm qua các phiên
Xem mô tả gốc của tác giả (tiếng Anh)

Honestly evaluate AI work quality using a two-axis scoring system. Use after completing a task, code review, or work session to get an unbiased assessment. Detects score inflation, forces devil's advocate reasoning, and persists scores across sessions.

Chi tiết tính năng

  • Two-axis scoring — Independently rates task ambition (Low/Medium/High) and execution quality (Poor/Adequate/Strong), then combines via a lookup matrix
  • Mandatory devil's advocate — Before finalizing, must argue for both higher AND lower scores, then resolve the tension
  • Score persistence — Appends scores to .self-eval-scores.jsonl in the working directory, building history across sessions
  • Anti-inflation detection — Reads past scores and flags clustering (4+ of last 5 identical)
  • Matrix-locked scoring — The composite score comes from the matrix, not from direct selection. Low ambition caps at 2/5 regardless of execution quality

Ví dụ yêu cầu

  • After completing work in a Claude Code session:
  • With context about what to evaluate:
  • The skill reviews the conversation history, identifies what was accomplished, scores it on both axes, runs the devil's advocate check, and appends the result to the score history file.

Cùng nhóm Kỹ thuật phần mềm

Phần giải thích do Skilnexa viết sau khi đọc toàn bộ tài liệu gốc của tác giả và đã đối chiếu lại với nội dung gốc. Chưa phải kết quả thử chạy, nên hãy thử bằng dữ liệu giả trước khi dùng cho việc thật.