一套不把热度当质量的 Skill 评估方法
FSRS 将可观察事实、可复现测试与编辑判断分开记录。总分帮助排序，维度分解释原因，证据充分度告诉你这个结论有多稳。
四条基本原则
证据优先
Star、未经验证的声誉和文档精美度只能作为线索。可验证的大厂官方来源属于治理证据，但不能替代代码、权限与任务复测。
风险不做平均
恶意行为、隐蔽数据外传、默认破坏性操作等红线不会被其他维度的高分抵消。
未知就是未知
资料或测试不足时标记“证据不足”，不把缺失信息自动算成安全，也不制造精确分数。
评分有时效
分数对应被评估的版本与日期；仓库、依赖或平台发生重大变化后需要重新评估。
大厂官方发布如何影响评分
OpenAI、Anthropic、Microsoft、Google 等可验证官方组织能增强归属、维护责任与更新路径的可信度，只影响维护与治理判断，不设固定品牌加分。它不能推导出 Skill 一定可靠、安全或实用，也不能覆盖红线。未验证或个人发布同样不会自动扣分。
六个评分维度，共 100 分
每一维均使用 0、约半分、满分三个锚点校准；评估者必须写下扣分依据。安全性权重最高。
01任务价值与适配20
是否解决清晰、真实且足够常见的问题，并明确说明适用与不适用边界。
- 0：价值主张模糊或不可证实
- 10：有明确场景，但优势或边界证据有限
- 20：目标、收益、边界均清楚且可复核
02技术质量与可靠性20
指令、脚本与依赖是否自洽；关键路径是否可重复；失败时是否能安全、清楚地退出。
- 0：明显失效、矛盾或无法运行
- 10：主流程可用，但测试或异常处理不足
- 20：关键流程经复测，失败模式清楚且可控
03安全、隐私与控制25
权限是否最小化，外部写入与危险操作是否需要确认，敏感数据与第三方传输是否透明。
- 0：存在红线风险或刻意隐瞒
- 12：风险可见，但权限、确认或回滚仍不足
- 25：最小权限、明确确认、可回滚且数据流透明
04证据与可验证性15
关键声明是否有可追溯材料、可复现测试或独立使用证据；事实与推断是否分开。
- 0：只有作者主张或营销文本
- 7：有一手材料或演示，但覆盖有限
- 15：多类证据互证，关键结论可复现
05易用性与透明度10
安装、依赖、输入输出、成本、兼容性与局限是否能让目标用户在使用前做出知情决定。
- 0：关键使用信息缺失
- 5：基本可用，但隐含前提较多
- 10：从采用到退出均有清晰说明
06维护与治理10
可验证的发布者来源、许可、版本、变更记录、维护响应和依赖固定方式是否降低长期采用风险。官方企业来源可支持治理判断，但不替代测试与安全证据。
- 0：来源或许可不清，明显失维护
- 5：维护活跃但治理信息不完整
- 10：归属、许可、版本与更新机制完整
总分如何解读
高度推荐
证据充分且没有未控制的重大风险；仍需核对你的环境与数据敏感度。
推荐
整体可靠，存在已披露的局限；按说明试用并保留回滚路径。
谨慎使用
价值存在，但可靠性、证据或控制措施仍有明显缺口。
不推荐
当前收益不足以覆盖风险或不确定性。
分数旁边为什么还有“证据充分度”
同样是 82 分，完整复测与只读文档所得结论不应被同等信赖。充分度不抬高总分，只描述结论的稳健程度。
检查了 skill 内容和关键脚本，关键路径可复现，并有至少一种独立或跨来源证据。
检查了一手材料并完成部分复测，但平台、边界情况或第三方证据覆盖不全。
主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
证据阶梯
我们优先采用更接近实际行为、也更容易独立复核的证据。多种证据互证比单一来源更可靠。
可复现行为
隔离环境中的任务复测、安全测试、失败与回滚验证。
可审计的一手材料
SKILL.md、脚本、依赖清单、提交记录、发行说明与许可证。
独立使用证据
可核验的问题报告、第三方复测、维护者对缺陷的响应。
弱信号
README 声明、演示、Star、下载量和社交讨论，只用于辅助判断。
红线与覆盖规则
出现下列任一项且无法合理消除时，状态直接标为“不推荐 / 已阻断”，无论数字总分多高：
- 恶意代码、凭据窃取、隐蔽追踪或未披露的数据外传；
- 默认执行不可逆或高影响操作，且没有明确确认、范围限制与恢复方案；
- 伪造来源、测试结果、兼容性或安全声明；
- 依赖已知严重漏洞且没有可行缓解，或要求与任务明显不相称的权限。
一次评估如何完成
界定主张
确认目标用户、核心任务、声明的平台、输入输出和权限边界。
收集证据
固定仓库版本，阅读 skill、脚本与依赖，记录证据链接和未知项。
风险筛查
优先检查数据流、外部写入、命令执行、密钥处理、权限与红线。
任务复测
在隔离环境跑代表性主流程、一个失败场景，并验证退出或回滚。
独立评分
按锚点逐维打分、记录扣分原因，再计算总分和证据充分度。
发布与复核
由第二评估者复核安全分、红线和证据充分度；公开版本、日期、维度分与风险。
这个分数不代表什么
FSRS 不是安全认证、学术同行评审或效果保证。它是对特定版本、特定测试范围内证据的结构化判断。高分不意味着适合所有用户，低风险场景的选择也可能与企业生产环境不同。最终采用前，请结合权限、数据敏感度、成本与可回滚性做自己的判断。
标准如何演进
版本号随评分维度、权重或覆盖规则的实质变化而更新。文字澄清记录为小修订。我们保留历史版本，使旧评分可解释；新版本发布后，旧评分会明确标记并进入复核队列。