让AI学会给自己挑刺！agent-self-evaluation让代码质量自检落地

Claude Code 写完一段代码，你有没有过这种感觉——好像哪里不太对，但说不上来？

现在有个 Skill 叫 agent-self-evaluation，专门解决这个痛点。它是 ECC（Everything Claude Code）项目里的一个开发技巧，教 AI 在完成任务后给自己打分，从 5 个维度反省输出质量。

哪 5 个维度？

• 准确性：代码有没有幻觉、API 名写错没、语法对不对
• 完整性：用户要的都覆盖了吗？边缘情况处理了吗？
• 清晰度：解释能不能让人直接上手
• 可操作性：给出的建议有没有给具体步骤，还是只说”你应该 X”
• 简洁性：有没有废话，有没有重复解释

怎么用？

在 Claude Code 里完成一个复杂任务（跨 3 个以上文件，或 50 行以上代码）之后，直接让它调用这个 Skill 自评。它会逐条分析每个维度，打出 1-5 分，凡是不满 5 分的地方必须给出具体证据，不能只说”可以更好”。

举个例子：任务是要给 HTTP 客户端加重试机制，AI 自评后可能说”准确性 2 分——用了 urllib3，但我们项目是 httpx 架构，库用错了；可操作性 2 分——说加测试但没建测试文件”。这种具体的自我批评，比笼统的”还行”有用 100 倍。

为什么对开发者有价值？

我们写代码时容易陷入”当局者迷”——自己看自己的代码总觉得没问题。agent-self-evaluation 强制 AI 在提交结果前过一次质检关，卡住那些明显会坑后来人的地方。对团队来说，这相当于多了一个不会累的初级审查员，每次出手都带结构化报告。

安装方式

直接克隆 ECC 项目到本地，在 Claude Code 里通过插件系统加载。也可以在会话里按需调用，不需要全局安装。

追求代码质量的团队，值得试试这个思路——让 AI 先学会给自己挑刺，再交给人来 review，效率完全不一样。

GitHub 链接

GitHub: https://github.com/affaan-m/ECC/tree/main/skills/agent-self-evaluation