你的 AI 助手，真的会”自检”吗？——agent-self-evaluation 评测

你的 AI 助手，真的会”自检”吗？

用 Claude Code 跑了半天，输出一大串——结果你心里还是没底：这质量到底行不行？

这个问题不只是你一个人的困惑。即便是再强的模型，也会在复杂任务里漏边角、过度自信、或者输出了一堆你根本用不上的东西。

ECC 团队最近出了一个新 Skill，专门解决这个：agent-self-evaluation。

它是干嘛的

简单说，就是给 AI Agent 装了一个”自检模块”。每当完成一个复杂任务（3+ 文件、50+ 行代码，或者一个完整的工作流），它会停下来，用一套5 轴评分体系给自己打分：

• 准确性：事实、API 名字、语法都对吗？
• 完整性：用户要的都覆盖了吗？
• 清晰度：解释能看懂吗？
• 可操作性：用户能直接上手用吗？
• 简洁度：有没有废话？

每个维度 1-5 分，低于 4 分必须给出具体证据——不能只说”可能有问题”，得说清楚”哪里有问题、为什么”。

为什么值得关注

大多数 Agent 的工作流是：接任务 → 执行 → 输出 → 结束。中间没有停顿、没有反思。

agent-self-evaluation 在”执行”和”结束”之间加了一个结构化的自我评审环节。它不是要替代人工 review，而是让 Agent 在把结果交给你之前，先自己过一遍——类似一个严格的内部 QA。

ECC 官方说，这个 Skill 特别适合：

• 涉及 3 个以上文件或 50 行以上代码的修改
• 多步骤工作流（实现 → 测试 → 评审）
• 调试 session 超过 3 次尝试
• 设计文档、架构决策类输出

怎么用

在 Claude Code 里安装 ECC 后，直接激活 agent-self-evaluation Skill。它会在检测到复杂任务完成后自动触发，输出一个结构化的评分卡，包含：

• 5 轴各自的分值 + 证据
• 综合评分（平均分，保留 1 位小数）
• 1-3 条具体改进建议

整个过程不需要人工干预，Agent 自己评、自己改。

我的感受

这个 Skill 的价值不在于”评分”，而在于强制 Agent 给出证据。当它必须说清楚”哪里不对、为什么不对”的时候，很多隐藏的问题就被提前揪出来了。

如果你经常用 Claude Code 处理复杂任务，agent-self-evaluation 是一个值得加进日常流的 Skill。

GitHub 链接：affaan-m/ECC（含 agent-self-evaluation）

GitHub: https://github.com/affaan-m/ECC