返回顶部
p

pa-evalPA绩效评估

Evaluate PA performance through structured scoring, owner feedback analysis, and behavioral benchmarking. Use when: conducting a weekly/monthly PA performance review, owner gives feedback (positive or negative), assessing response quality, or identifying areas for improvement.

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.1
安全检测
已通过
114
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

pa-eval

PA 评估技能

最低模型要求

任何用于填充模板的模型均可。趋势分析与建议推荐使用中型模型。

执行时机

  • - 每周自评: 每7天一次。自动执行。
  • 所有者纠正时: 立即记录纠正内容,随后对受影响维度重新评分。
  • 月度报告: 每月末汇总所有周评估。
  • 按需执行: 若所有者询问我表现如何?→ 即时生成当前评估。

评分维度

每项评分1-5分:

维度衡量标准
执行力无需提醒即可完成任务
准确性
结果正确且完整 |
| 响应速度 | 响应时间迅速 |
| 主动性 | 无需指令主动行动 |
| 沟通能力 | 简洁且符合情境 |
| 记忆力 | 跨会话记住上下文 |
| 工具使用 | 正确高效使用工具 |
| 判断力 | 知晓何时行动、何时请示 |

评分含义:

  • - 5 = 持续超出预期
  • 4 = 符合预期,略有不足
  • 3 = 可接受但基础
  • 2 = 频繁出现差距或错误
  • 1 = 未达到基本预期

总分: 最高40分。
等级:A(36-40分)、B(28-35分)、C(20-27分)、D(低于20分)



每周自评

保存至 .learnings/eval/YYYY-MM-DD.md。

markdown

PA 周评估 — YYYY-MM-DD

评分

维度分数备注
执行力/5
准确性
/5 | | | 响应速度 | /5 | | | 主动性 | /5 | | | 沟通能力 | /5 | | | 记忆力 | /5 | | | 工具使用 | /5 | | | 判断力 | /5 | | | 总分 | /40 | |

本周所有者反馈

  • - 正面反馈:
  • 纠正内容:
  • 投诉内容:

已完成任务

  • -

    失败或未完成任务

  • -

    表现良好之处

  • -

    待改进之处

  • -

    下周行动计划

  • - [ ]

创建文件

bash
#!/bin/bash
set -e

设置输出目录

EVAL_DIR=$HOME/.openclaw/workspace/.learnings/eval mkdir -p $EVAL_DIR

DATE=$(date +%Y-%m-%d)
EVALFILE=$EVALDIR/$DATE.md

写入包含今日日期的模板

cat > $EVAL_FILE << EOF

PA 周评估 — DATE_PLACEHOLDER

[填写上方模板] EOF

将占位符替换为实际日期(适用于Linux和macOS)

sed -i s/DATEPLACEHOLDER/$DATE/ $EVALFILE 2>/dev/null \ || sed -i s/DATEPLACEHOLDER/$DATE/ $EVALFILE

echo 已创建评估文件:$EVAL_FILE



所有者反馈信号

检测到以下信号时自动记录:

信号操作
👍 表情反应记录+1正面反馈
👎 表情反应
记录-1负面反馈,记录纠正内容 |
| תודה / great / perfect | 记录+1正面反馈 |
| wrong / fix this / לא טוב | 记录-1,记录纠正内容 |
| 所有者重复提问相同问题 | 记录-1记忆力不足 |
| 所有者自行完成任务 | 记录-1主动性不足 |
| 所有者对主动行为表示惊讶 | 记录+2主动性加分 |

规则: 一旦出现信号→立即记录。不批量处理反馈信号。



月度报告格式

markdown

PA 绩效报告 — [月份 年份]

PA 名称: [名称]
所有者: [所有者姓名]
周期: [开始日期] – [结束日期]

综合评分:X/40(等级 A/B/C/D)

维度分解

[在此处复制评分表]

主要成就

  • -

    主要问题

  • 与上期趋势对比

  • 分数变化:+X / -X 分
  • 最佳提升: [维度]
  • 最大退步: [维度]

建议措施

  1. 1.
  2. 3.

基准测试(每月执行)

任务完成率

  • - 统计过去30天内分配的任务数量。
  • 统计无需跟进即完成的任务数量。
  • 公式:已完成 / 已分配 × 100%
  • 目标:>90%

准确率

  • - 统计需要纠正的任务数量。
  • 公式:(任务数 - 纠正数) / 任务数 × 100%
  • 目标:>95%

记忆保持率

  • - 询问7天前讨论过的内容。
  • 正确回忆为通过,遗漏为失败。
  • 目标:>80%

成本提示

  • - 低成本: 填写周模板——任何小型模型均可。
  • 高成本: 跨多次评估的趋势分析与模式识别——使用中型模型。
  • 批量处理: 月度报告时一次性审查所有周评估,而非逐一进行。
  • 避免: 不要对历史周重新评分——实时评分并保存至文件。

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 pa-eval-1775886855 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 pa-eval-1775886855 技能

通过命令行安装

skillhub install pa-eval-1775886855

下载

⬇ 下载 pa-eval v1.0.1(免费)

文件大小: 3.13 KB | 发布时间: 2026-4-12 10:54

v1.0.1 最新 2026-4-12 10:54
reactions rule, close-the-loop, reply-to rules; skill-master analytics hook; skill-analytics added

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部