Tranfu 项目评分

Tranfu 项目评分在验证、内部投资、可复用 skill 开发、公开案例开发或共创之前, 对 AI 工作流项目做立项审核. 它像一个克制的立项面试官: 先收集核心事实, 再产出一份带加权评分、硬门槛检查、风险和唯一下一步动作的决策备忘.

什么时候用

当队友或 agent 需要判断一个 AI 工作流点子应该批准、验证、暂缓、否决还是重塑时使用. 适用于公司内部 AI 项目、Tranfu skill 资产、公开 demo、研究探针以及外部产品 / MVP 点子.

不要拿它当通用的产品待办列表排序器. RICE、ICE、WSJF 更适合给已经批准的功能排优先级. 本 skill 是用来判断一个 AI 工作流项目是否值得投入的.

期望输出

输入稀薄时, skill 返回澄清问题, 而不是假装打分. 事实足够时, 它产出一份 Markdown 决策备忘, 包含项目类型和权重档、总分、置信度、信息完整度、硬门槛检查、10 维评分表、缺失信息与证据等级、最风险假设、7 天验证实验、失败预演, 以及唯一的下一步动作. 面向 agent-to-agent 交接时, skill 返回 references/output-schema.md 描述的 JSON 结构.

本地预打分脚本

scripts/score_project.py 是一个只依赖 Python 标准库的确定性、保守型辅助脚本, 供本地检查和回归测试用. 它从文件或 stdin 读 JSON, 默认对稀薄输入返回 type: clarification, 支持 --force-score 做临时打分和 --format markdown 出可读报告, 会建立证据台账、子维度拆解, 并按上下文切换权重档. 测试用 pytest 跑 tests/test_score_project.py.

事实源

SKILL.md 覆盖调用规则、澄清门、工作流和输出策略. 框架参考文档在 references/ 目录下 — scoring-framework.md 讲维度和门, scoring-contexts.md 讲权重档, scoring-anchors.md 讲分数锚点, output-schema.md 讲输出契约, prompt.md 是可复用的评估 prompt, examples.md 是校准过的示例.