К основному содержанию
скилл CX Codex

workflow-score-to-target — скилл для Claude Code: оценка работы

Ставит оценку от 1 до 10 по рубрике и доводит каждый пункт до названного вами порога за несколько раундов.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add MengTo/Skills --skill workflow-score-to-target -a claude-code
Открыть на GitHub

Что делает workflow-score-to-target

Скилл включается, когда вы просите оценить что-то по десятибалльной шкале и называете цель: «доведи до 8 из 10», «всё, что ниже 6, подтяни до 6+». Сначала он фиксирует порог и список пунктов, потом пишет рубрику с якорями — что означает каждая оценка от 1 до 10. Каждый пункт разбивается на 3–5 критериев по 0–2 балла, чтобы сумма давала 10 и у каждого балла была причина.

Оценка идёт по рендерам, записям или замерам, а не по коду и не по памяти. Где критерий можно измерить, его измеряют: проскальзывание стопы в процентах от скорости движения, клиппинг оружия в миллиметрах, винрейт на 40 сидах, размер загрузки в мегабайтах. Для важных случаев снимки передают свежему субагенту, который работу не делал: он получает рубрику и эталон, но не ваши ожидания и не прошлые оценки. Два слепых судьи на пункт — берите меньшую оценку или сводите разницу.

Улучшение идёт раундами: сначала самые слабые пункты и критерий, который стоит больше всего баллов. После правок — повторный снимок и та же рубрика. Останавливается, когда все пункты взяли порог, либо когда пункт упёрся во что-то вне задачи — лимит модели, арт-ассет, бюджет производительности. Тогда он честно пишет, что пункт не дотянул, почему и что для этого нужно. Округление вверх до порога не допускается: 7.5 при планке 8 — это ниже планки. По ходу подъёма нельзя разменивать бюджеты производительности, тесты или оценки других пунктов ради одного числа.

Какие задачи решает

  • оценить список пунктов по десятибалльной шкале с понятной рубрикой
  • подтянуть всё, что ниже 6, до 6 и выше
  • доказать рост оценки снимками до и после
  • получить независимую оценку от субагента, который не делал работу
  • закрепить порог тестом, чтобы оценка не сползла обратно

Примеры запросов агенту

  • оцени эти экраны из 10 и доведи каждый до 8
  • всё, что ниже 6 из 10, подтяни до 6+
  • что сделает это на 9 из 10?

Как установить workflow-score-to-target

1Через Skills CLI (Vercel)

npx skills add MengTo/Skills --skill workflow-score-to-target -a claude-code

2Вручную: положить файлы

~/.claude/skills/workflow-score-to-target/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/workflow-score-to-target/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о workflow-score-to-target

Как установить workflow-score-to-target в Claude?

Выполните npx skills add MengTo/Skills --skill workflow-score-to-target -a claude-code. Скилл встанет в ~/.claude/skills/workflow-score-to-target/SKILL.md.

Что делает workflow-score-to-target?

Оценивает работу по рубрике с якорями от 1 до 10 и улучшает её раундами, пока каждый пункт не дойдёт до названного вами порога. В конце отдаёт таблицу с оценками до и после и честно называет пункты, которые не дотянули.

Оценки выставляет тот же агент, который делал работу?

Не обязательно. Скилл советует для важных случаев передавать снимки свежему субагенту, который работу не делал, и давать ему рубрику с эталоном, но не прошлые оценки. Если судей двое и они слепые, берут меньшую оценку или сводят разницу.

Исходный текст

SKILL.md · MIT
---
name: workflow-score-to-target
description: Score work out of 10 against a clear rubric, then improve it round by round until every item reaches the target score the user named (for example "get it to 8 out of 10", "bring everything under 6 up to 6+"). Covers anchored rubrics, measurable criteria, independent or blind judging, before/after scorecards, and honest reporting of anything still short. Use whenever the user asks to score, rate, grade or judge something out of 10, names a target score, or asks "what would make this a 9?".
---

# Workflow: score to a target

The user sets quality bars as numbers:
- "score them out of 10. let's get them to 8 out of 10"
- "anything less than 6 out of 10, get them to 6+"
- "give it a score out of 10. get at least 8"
- "make it 8 or 9 out of 10"

The job isn't just the score; it's reaching the bar, proving it, and saying plainly where it falls short.

## 1. Pin down the target and the items

- Restate the bar: the target (6, 8 or 9), and whether it applies to **every** item or the average. "Get them to 8" means every item reaches 8.
- List every item being scored: each skill, each weapon, each screen element, each object. Score them one by one, never as one blob.
- Name the benchmark the user judges against, such as the games or sites they compare to. A 7 means nothing without one.
- **A bar the user sets once is a standing rule for that kind of work.** Record it where future work will see it, such as project instructions, memory, or a test.

## 2. Anchor the rubric before scoring

Write the scale down so scores mean the same every round. Default anchors:

| Score | Means |
|---|---|
| 10 | Best-in-class, something you'd study |
| 9 | Excellent: a trained eye finds almost nothing |
| 8 | Polished and intentional, only minor nits |
| 7 | Good, but a noticeable flaw |
| 6 | Acceptable: works and reads clearly, with visible rough edges |
| 5 | Mediocre: the idea is there, the execution distracts |
| 3–4 | Clearly broken or wrong in places |
| 1–2 | Barely works, or reads as something else |

Then break each item into 3–5 criteria, **0–2 points each**, so the total is out of 10 and every point has a reason. For example:

- **Animation:** weight and timing, body mechanics, final pose, props, context and variety.
- **A skill or spell:** its rules (a clear job of its own), the hover (shows where it lands and the numbers), the cast (its own pose, effect and sound), and what it leaves behind that you can see.
- **An object:** silhouette at play distance, material and detail, fitting its setting, readability.

Wherever a criterion can be measured, measure it. Examples:
- foot slide under 10% of travel speed;
- weapon clipping in millimetres;
- a 48% win rate over 40 seeds;
- a download of 28 MB.

Numbers stop the score drifting with mood.

## 3. Score honestly from real evidence

- Score from renders, recordings or measurements of the actual thing, never from the code or from memory. Capture the state first; see the `workflow-progress-screenshots` skill.
- Score the baseline before changing anything. The before→after is the proof.
- **Judge independently when it matters.** Hand the captures to a fresh subagent that didn't do the work. Give it the rubric and benchmark, but not your hopes or the previous scores. Use two blind judges per item if you can, and take the lower score or reconcile the difference.
- Never round up to reach the bar. A 7.5 on an 8 bar is below the bar.

## 4. Improve in rounds

1. Fix the lowest items first, and the criterion costing the most points in each.
2. Re-capture, and re-score only with the same rubric and judge setup.
3. Send a picture per round (the start and the result), with the score moving: for example, "Hollow Keeper 3 → 6 → 8".
4. Stop when every item meets the bar, or when an item plateaus because of something outside the task (a model limit, an art asset, a performance budget). Report that item as short, with the reason and what it would take.
5. Keep guardrails while climbing: don't trade away performance budgets, tests or other items' scores to raise one number. Note any trade-off you made.

## 5. Lock it in

- Where the bar can be checked by a machine, add a test so it can't quietly regress. Examples: weapons out of bodies in seven poses, a skill has its own pose and card, win rate at least 90%.
- Save the scorecard in the project (for example `qa/<area>/README.md`), with the rubric, every item's before and after, the evidence, and the date. Future rounds start from it.

## Report

Lead with the result: "All 49 now score 8 or better; 38 started below 8; the average rose from 6.7 to 8.1."

Then:

- **A table:** item, before → after, and the main fault fixed (or the reason it's still short). See `templates/scorecard.md`.
- **How it was scored:** the rubric, the benchmark, who judged (you, an independent subagent, or blind judges), and from what evidence.
- **Where it isn't perfect:** items at or just over the bar with known nits, and anything still below.
- **The pictures:** before and after per item, or per round.
- Say that scores are judgements. Say which criteria were measured, and label captures honestly.

© MengTo · MIT · MengTo/Skills

Похожие скиллы

Все скиллы по теме «Настройка агента: память, контекст, субагенты» →
customer-health-score Maya-Beth Finotti Собирает из сигналов продукта и вовлечённости один балл здоровья аккаунта, который показывает и риск оттока, и готовность к расширению. CX Codex +1 20 600установок layer-quality layerai Оценивает сгенерированные файлы Layer по правилам студии и помогает выбрать, что отдавать. Нужен перед сдачей партии ассетов. CX Codex +1 3 300установок printing-press-score mvanhorn Скилл оценивает сгенерированный CLI по планке Steinberger и сопоставляет два CLI. Нужен для проверки результата cli-printing-press. CX Codex +1 6 400установок evaluation-rubrics lyndonkl Помогает собрать рубрику с критериями, шкалой и описанием уровней, чтобы оценивать работу одинаково при повторных проверках. CX Codex +1 784установок crap-score dotnet Считает метрику риска изменений CRAP для методов, классов и файлов в .NET. Помогает найти сложный код с недостаточным тестовым покрытием. CX Codex +1 3 500установок ara-rigor-reviewer Orchestra Research Проверяет смысловую строгость исследовательского артефакта ARA перед публикацией. Оценивает доказательства, аргументацию и методологию после Level 1. CX Codex +1 805установок

Из того же набора148

3d-four-seasons Добавляет смену четырёх времён года в 3D-сцену через шейдерные uniform-переменные. Помогает переключать листву, свет и снег без пересборки геометрии мира. CX Codex +1 497установок codex-gpt-image-2-5-flare Скилл для генерации и правки графики встроенным инструментом Codex: прозрачные PNG, спрайты, эмблемы и элементы интерфейса. CX Codex +1 475установок 3d-ultra-realistic-water Скилл для Three.js: собирает открытое море с волнами Герстнера, бликами солнца, пеной и кильватерным следом. Пригодится, когда в сцене есть горизонт и движущаяся камера. CX Codex +1 408установок horizontal-scroll-scenes Скилл для сцен, которые едут слева направо, пока пользователь скроллит вниз. Одна чистая функция превращает scrollY в сцену, паузу и переход. CX Codex +1 367установок workflow-progress-screenshots Скилл обязывает агента присылать реальные скриншоты интерфейса по ходу работы, а не в конце задачи. Пригодится при правках фронтенда, анимаций, 3D-сцен и вёрстки. CX Codex +1 341установок paper-cinder-transition Скилл для WebGL-перехода между сценами: линия огня съедает старую страницу и открывает новую. Пригодится, когда fade или slide выглядит дешёво. CX Codex +1 330установок workflow-ship-change Скилл задаёт регламент релиза изменений: делает скриншоты, прогоняет тесты, обновляет список изменений и деплоит код в main с проверкой лимитов. CX Codex +1 328установок workflow-threads-manager Скилл для тех, кто ведёт несколько сессий Claude Code на одном репозитории. Проверяет, что каждая задача дошла до main, получила запись в чейнджлоге и живёт на проде. CX Codex +1 327установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой