AI不会自检？GitHub这个Skill给AI装上自检回路！

你有没有这种感觉——喂给 AI 一段 Prompt，它吐出来的东西总觉得差一口气，但你又说不清差在哪？

问题不是 AI 不够强，是你没给它装上”自检回路”。

今天挖到一个超实用的 Skill——Agentic Evaluation Patterns，来自 GitHub 的 awesome-copilot 项目，专门教 AI 怎么自己给自己打分、自己修自己。

它把 Agent 自我提升的套路拆成了 3 种经典模式：

1. Basic Reflection（基础反思）
最简单粗暴：生成 → 自评 → 不过就改 → 再评 → 通过。
核心是让 AI 用结构化 JSON 输出评审结果，这样你才能拿程序解析它到底哪里没过。

output = llm(f"完成这个任务：{task}")
for i in range(max_iterations):
    critique = llm(f"按标准评估：{criteria}，输出：{output}")
    if all_pass:
        return output
    output = llm(f"根据反馈改进：{failed}")

2. Evaluator-Optimizer（裁判分离）
生成和评审拆成两个独立模块，各干各的。生成器专心生成，评审器专心打分，分数够了就停，不够就打回重做。
这个模式特别适合代码、报告、分析这类质量要求高的任务。

3. Code-Specific Reflection（代码专项）
生成代码 → 自动写测试 → 运行测试 → 出错就修 → 再跑，直到测试全绿。
相当于给 AI 装了个内置的 TDD 循环，写出来的代码自带一层质量保障。

评测策略也很丰富：
– Outcome-Based：看输出有没有达成目标
– LLM-as-Judge：让另一个 LLM 来当裁判对比两个版本
– Rubric-Based：按维度打分（准确40%、清晰30%、完整30%），加权算总分

实操建议：
– 迭代次数设 3~5 次，防止 AI 陷入死循环
– 每次迭代要检查是否真的在进步（收敛检测），分数没提升就及时止损
– 用 JSON 输出评审结果，方便程序解析，别用纯文本

这个 Skill 对做 Prompt 调教、AI 工作流搭建的朋友特别有价值——它不只告诉你”怎么做”，而是给你一整套可复用的评测思维框架。

GitHub：
https://github.com/github/awesome-copilot/tree/main/skills/agentic-eval

GitHub: https://github.com/github/awesome-copilot/tree/main/skills/agentic-eval