需要理解或提升插件/技能质量评分时…

当你要解读 PluginEval 评分报告、诊断某个维度为何低分、或决定如何提升技能的触发准确率与编排适配度时使用。

适用场景

解决思路

1. 按三层评估结构理解评分：Layer 1 静态分析（<2 秒、无 LLM、确定性，运行 frontmatter_quality、orchestration_wiring、progressive_disclosure、structural_completeness、token_efficiency、ecosystem_coherence 六个子检查）；Layer 2 LLM Judge（30–90 秒，eval-judge agent 读取 SKILL.md 与 references/，按锚定 rubric 给 triggering_accuracy、orchestration_fitness、output_quality、scope_calibration 打分，返回无 markdown 围栏的结构化 JSON；judges>1 时取平均并报告 Cohen's kappa）；Layer 3 蒙特卡洛（5–20 分钟，N=50 次模拟调用，记录 activation rate、输出一致性 CV、失败率 Clopper-Pearson 精确 CI、token 中位数/IQR/离群值）。
2. 计算 Layer 3 综合分：mc_score = 0.40 × activation_rate + 0.30 × (1 − min(1.0, CV)) + 0.20 × (1 − failure_rate) + 0.10 × efficiency_norm，其中 efficiency_norm = max(0, 1 − median_tokens / 8000)。
3. 计算最终综合分：composite = Σ(dimension_weight × blended_dimension_score) × 100 × anti_pattern_penalty。

适用边界 · 注意事项

• 不适用于不遵循 PluginEval 评分体系、没有 SKILL.md/frontmatter 结构的普通代码或文档质量评估。
• 不适用于需要秒级确定性反馈且不能接受 LLM 调用或蒙特卡洛耗时的场景（此时只能用 --depth quick 的静态层）。
• 不适用于未安装 plugin-eval CLI 或未建立 ~/.plugineval/corpus 语料索引时进行 Elo 排名与徽章判定。

经验正文