一、先把「好不好」变成分数

测试的第一个动作不是跑，是定评分标准。没有标准，跑完只能互相看一眼说「还行」。 标准要好用，得满足两条：能自动判、每项分数不多。 五个维度、各两分，共十分。这个粒度刚好：少了分不清强弱，多了改不动。

这套维度是本课自己定的，不是行业标准。换一个业务，维度就该换。 但方法通用：每一项都要能用一段字符串判断写出来，写不出来就换一个维度。

二、对比打分：两版一起跑

第二件事是同时跑两版：一版不用技能，一版用技能。 只跑有技能那版，你不知道技能起了多少作用；两版一比，分数差就是它的贡献。

没技能那版只拿到 2 分，唯一的得分项是「有数字」——因为它顺口提了一句销售额。 有技能那版 8 分，丢在「格式」这一项：它的待办写成了自由句，没按约定格式来。 这一项的丢失很典型：技能正文里没给例子，模型就自己发明了一个格式。

三、对症下药：只改丢分那一项

第三步最容易做错：看到 8 分，觉得还不错，一口气改五处想冲 10 分。 正确做法是只改丢分的那一项，改完重跑，看是不是真的到 10 分。 这次只补了一行「格式：四段固定顺序，议题、结论、待办、风险」，分数从 8 到 10。 改一处的好处是可归因：分数变了，你知道是哪一行带来的。 改五处也能到 10 分，但下次再掉分，你不知道该删哪一条。

四、一次改五处的真实代价

代价不是浪费时间，是技能会越来越长。 每次一起改五处，五条里大概两条有用三条没用。没用的那三条会一直留在文件里。 十轮之后，技能正文里一半是没用的规矩，而且没人敢删——因为不知道删了会不会坏。 所以「一次改一处」不是为了严谨，是为了让这个文件长期活得下去。

五、考题从哪来

三类都要有。只有真实输入，测不出边界；只有边界，测不出好不好用。 每类三到五道就够，加起来十道左右。题量再大，改一轮跑不动，就不改了。 考题要存下来，跟着技能一起进版本库。每次改完重跑同一批，分数才可比。

六、动手 Demo：两版对比：2 分对 8 分，补一条到 10 分

这一段定五个维度各两分，拿「没技能」和「有技能」两版输出各打一次分。 打分是跑出来的：每个维度都写成一段能判的字符串检查。

ITEMS = [('有没有结论段', 2), ('结论里有没有数字', 2), ('格式对不对', 2),
         ('有没有套话', 2), ('边界说没说', 2)]

def _score(texts):
    t = ''.join(texts)
    s = 0
    if '结论' in t: s += 2
    if re.search(r'\d', t): s += 2
    if '待办' in t and '：' in t: s += 2
    if not any(p in t for p in PHR): s += 2
    if '边界' in t or '如果' in t: s += 2
    return s

实跑输出：

--------------------------------------------------------------------
两版对比：2 分对 8 分，补一条到 10 分
--------------------------------------------------------------------


  ① 先定评分标准：五个维度，各两分
  --------------------------------------------------------------------
| 维度 | 满分 |
|---|---:|
| 有没有结论段 | 2 |
| 结论里有没有数字 | 2 |
| 格式对不对 | 2 |
| 有没有套话 | 2 |
| 边界说没说 | 2 |

  五个维度都写成能判的形式，所以打分是跑出来的，不是看出来的。
  ! 这五项是本课自己定的，不是行业标准。换一个业务，维度就该换。

  ② 没技能那版
  --------------------------------------------------------------------
| 维度 | 结果 |
|---|:---:|
| 有没有结论段 | 丢 |
| 结论里有没有数字 | 得 |
| 格式对不对 | 丢 |
| 有没有套话 | 丢 |
| 边界说没说 | 丢 |

  总分 2 / 10。丢的四项是：有没有结论段、格式对不对、有没有套话、边界说没说。

  ③ 有技能那版
  --------------------------------------------------------------------
| 维度 | 结果 |
|---|:---:|
| 有没有结论段 | 得 |
| 结论里有没有数字 | 得 |
| 格式对不对 | 丢 |
| 有没有套话 | 得 |
| 边界说没说 | 得 |

  总分 8 / 10。丢的一项是：格式对不对。

  ④ 对症下药：只改丢分那一项
  --------------------------------------------------------------------
| 版本 | 总分 | 这一步做了什么 |
|---|---:|---|
| 没技能 | 2 | — |
| 有技能 | 8 | 补「格式对不对」这一项 |
| 补完 | 10 | 全中 |

  从 2 到 8 到 10。第三步改的只有一处，就是上一轮丢分的那一项。
  ! 这就是「对症下药」：看哪一项丢分就改哪一项，不要一次改五处。

  ⑤ 一次改五处会怎样
  --------------------------------------------------------------------
| 改法 | 你能知道什么 | 后果 |
|---|---|---|
| 改一处 | 知道是哪条规矩起的作用 | 有效果，可归因 |
| 改五处 | 分不清是哪条起的作用 | 分不清该留哪条 |

  改五处最大的损失不是浪费，是下次没法判断哪条规矩该留。
  技能越长越乱，就是因为每次都在「一起改一点」。

  ⑥ 考题从哪来
  --------------------------------------------------------------------
| 来源 | 具体 | 能抓什么 |
|---|---|---|
| 真实输入 | 上周真跑过的三份转写稿 | 最像实战 |
| 边界输入 | 空表、缺列、格式乱 | 抓静默算错 |
| 反例 | 长得像但不该处理的 | 抓误伤 |

  三类都要有。只有真实输入，测不出边界；只有边界，测不出好不好用。

第一段定五个维度各两分，每项都写成能判的形式，所以打分是跑出来的，不是看出来的。 第二段没技能那版：2 分，唯一的得分项是「有数字」——它顺口提了一句销售额。 第三段有技能那版：8 分，丢在「格式」这一项，它把待办写成了自由句。 第四段对症下药：只补一行格式要求，分数从 8 到 10。 第五段讲为什么不能一次改五处：分不清哪条规矩起的作用，也就分不清该留哪条。 第六段讲考题的三个来源：真实输入、边界输入、反例。三类都要有。 这套维度是本课自己定的，不是行业标准——换一个业务，维度就该换。

30 秒实验

1. 给你现有的技能定五个能自动判的维度，各两分。写不出判法的维度，换一个。
2. 同一件事跑两版：不用技能、用技能。两版分数差就是你技能的实际贡献。
3. 这轮只改丢分最多的那一项，改完重跑。分数动了，你就知道是哪一行起的作用。

常见误区

1. 不定标准就开始跑。跑完只能互相看一眼说「还行」，下一轮还是不知道改哪里。
2. 只跑有技能那版。没有对照，你不知道分数是技能带来的还是本来就有。
3. 一次改五处冲满分。分数能上去，但下次掉分你不知道该删哪条，技能会越改越长，最后没人敢动。

下一篇讲最后一步：从个人自用到社区发布，七条硬检查加三种范围。

• ☐ （本篇完，下一篇 6.5 上线与发布：高效、安全地把技能分享给全世界）

相关笔记

• 实现：人机协作创造技能
• 技能迭代
• 网络与信息安全 · 索引
• 🧩 Skill提效实战 · 索引