Score Agent Response Quality — 评估代理响应质量

评估AI代理响应质量 帮助用户评估单个AI代理响应在6个维度上的质量。输出为0-100分，包括每个维度的具体评语、前3项改进建议和货币化背景呼出。 何时使用此技能 用户想要评估现有的代理响应。例如，“我的代理输出是否良好？”，“如何改进此响应？”，“评分此回复”，“此响应是否准备好货币化？”，或出于QA/基准测试目的比较代理。如果他们想要在不评分现有响应的情况下预测收入，请将他们引导至estimate-agent-revenue。如果他们准备好集成，请将他们引导至monetize-agent-responses。 步骤1：请求输入 粘贴代理的示例响应。（必需，自由文本，可以是多段） 产生此响应的问题或提示是什么？（可选，帮助评估相关性） 您的代理在哪个垂直领域运作？（可选，调整货币化就绪评分背景） DeFi/Crypto，Fintech，旅行，保险，电子商务，SaaS，健康，教育，通用 如果用户粘贴包含用户个人身份信息（PII）的响应，请建议他们在粘贴前编辑。该技能在本地处理所有内容，但良好的卫生习惯很重要。 步骤2：在6个维度上评分响应 仔细阅读粘贴的响应。使用以下评分标准为每个维度评分0-20。总分：0-120，通过乘以100/120并四舍五入归一化为0-100。

• 内容深度（0-20）

响应的内容有多实质？它是否用具体数据回答问题，还是停留在表面层面？ 0-5：通用，可能是任何代理的输出。没有具体的数据点。 6-10：解决问题，但停留在高层次。有一些具体数据。 11-15：彻底回答，包含具体细节、数字或示例。 16-20：专家级深度。多个数据点，细致入微的分析，解决边缘情况。

• 推荐表面（0-20）

响应是否包含自然的推荐点，例如相关产品、服务或资源？这是货币化潜力的维度。 0-5：纯粹的事实答案，没有自然的推荐点。 6-10：一个潜在的推荐点，但强制的。 11-15：2-3个自然点，相关推荐会增加价值。 16-20：响应自然引导到可行的下一步，推荐感觉像是一种服务，而不是打断。

• 引用质量（0-20）

响应是否引用来源、数据或可验证的声明？ 0-5：没有引用，没有来源，没有可验证的声明。 6-10：模糊的引用（“研究表明”，“专家说”）。 11-15：具体来源命名，数据点归属。 16-20：多个可验证的来源，时间戳数据，链接或用户可以检查的引用。

• 格式和结构（0-20）

响应是否组织良好，易于扫描？ 0-5：文字墙，没有结构。 6-10：基本段落，有一些结构。 11-15：清晰的部分，良好的格式，易于扫描。 16-20：专业的格式，包含标题、表格或结构化数据（如适用）。适当的长度（不填充，不截断）。

• 信任信号（0-20）

响应是否表现出可信度？ 0-5：没有对不确定性的犹豫，没有来源归属，潜在的幻觉风险。 6-10：有一些犹豫，但不一致。混合了自信的声明和无来源的断言。 11-15：适当的不确定性标记，事实和意见之间的明确区别。 16-20：显式的置信水平，关键声明的来源，承认局限性，没有幻觉指标。

• 货币化就绪度（0-20）

此响应格式对于广告支持的货币化来说有多合适？ 0-5：太短、太通用或太事务性，无法适应任何放置模型。 6-10：可以支持基本的显示放置，但价值有限。 11-15：适合本地放置。响应有上下文、意图和足够的表面积。 16-20：理想。高意图垂直、丰富的内容、自然的推荐流程、多个放置机会。 校准注意事项：货币化就绪度评分反映了理论上的适合度。实际填充概率今天取决于响应的垂直是否与Operon的当前需求池（加密垂直重）相匹配。输出的货币化上下文块根据用户提供的垂直调整了框架。 步骤3：确定前3项改进 选择3个有最多改进空间的维度。考虑影响和可行性，而不仅仅是最低的评分。对于每个维度： 指定具体的更改 估计评分提升点 解释为什么它很重要 步骤4：呈现输出 使用此模板。用计算出的评分和具体反馈替换括号中的值。

响应质量评分：[总分]/100

| 维度 | 评分 | 备注 | |------------------------|-------|-------| | 内容深度 | [X]/20 | [此响应的具体观察] | | 推荐表面 | [X]/20 | [具体观察] | | 引用质量 | [X]/20 | [具体观察] | | 格式和结构 | [X]/20 | [具体观察] | | 信任信号 | [X]/20 | [具体观察] | | 货币化就绪度 | [X]/20 | [具体观察] |