1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | spec-driven-eval-tech-leads-club-agent-skills |
| 作者/维护者 | Waldemar Neto（github.com/waldemarnt），发布于 Tech Leads Club 维护的 tech-leads-club/agent-skills 技能目录仓库 |
| 来源链接 | https://github.com/tech-leads-club/agent-skills/tree/main/packages/skills-catalog/skills/(development)/spec-driven-eval |
| 许可证 | 该技能 CC-BY-4.0；所属仓库整体 MIT（均来自 SKILL.md 与仓库 LICENSE 文件确认） |
| GitHub Stars / Forks | 5,019 / 459（数据来自 GitHub API，2026-08-13；该数字属整个合集仓库，不代表本技能自身热度） |
| 最新版本 | 1.0.0（SKILL.md 内 metadata 字段） |
| 安装方式 | npx @tech-leads-club/agent-skills 交互式安装向导；或命令行直接指定 agent-skills install -s spec-driven-eval |
2. 功能介绍与亮点
对“规格驱动开发”（SDD）产出的实现做逐条验收标准（AC）打分，把每条 AC 拆成若干原子级二元检查（MET/UNMET，须附 file:line 证据），最终汇总成一个可跨框架、可跨次运行比较的综合分数，专用于给“这个功能到底做完了没有”一个可复现的答案。
- 双维独立打分：实现完成度
I与测试完成度T（是否有对应层级测试真正断言结果，而非只跑过路径）分开评分，AC_score = 0.6×I + 0.4×T，按 P0/P1/P2 优先级加权汇总为Final - 反 LLM 评分偏差：判分模型与写代码模型须不同；同一检查表连续独立评三次取多数；分数不因代码量或测试数量增加而虚高
- 旁路指标不污染主分：鲁棒性
R、范围合规S（有没有做 PRD 明确排除的事）、工程门禁G（build/lint/unit/e2e 是否真跑过）、需求提炼质量E均单独展示、不并入Final - 配套 4 会话操作流程：
references/quickstart.md给出“冻结基线→规划→实现→评分”四个独立会话的可复制提示词，并提醒清理 git 忽略的构建产物，避免上一轮结果泄漏进新一轮评分 - 显式声明
disable-model-invocation: true，只在用户明确点名时启动，不会自动触发
3. 适用场景
所属分类：工程效率与代码质量
适合使用 Claude Code、Codex 等编码 Agent 做规格驱动开发、且需要一个可复现数字（而非“感觉做完了”）来验收功能完整度的团队与个人：横向比较多个 SDD 框架或多次实现的效果、给 PRD 验收标准逐条打分、审计“实现 + 测试”是否真的覆盖了需求，都是其设计目标场景。
4. 跨 Agent 兼容性
- Claude Code：✅ 原生支持——所属仓库 README「Supported Agents」Tier 1 明确列出
- Codex：✅ 原生支持——同表 Tier 2 列出 OpenAI Codex
- OpenClaw：❓ 未验证——支持列表未提及
- Hermes Agent：❓ 未验证——支持列表未提及
5. 推荐理由
把“这个功能做完了吗”从主观判断变成可复现的数字：二元检查表 + 证据引用 + 三次独立评分取多数 + 判分模型与作者模型隔离，专门针对 LLM 评分常见的虚高与偏袒问题做了工程化约束，适合需要横向比较多个 SDD 框架或反复验收同一 PRD 的团队。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 5 | 所属合集仓库整体 5,019 stars／npm 包近 30 天下载 3,295 次，但均属整个合集，不代表本技能个体热度；检索该子目录专属的第三方目录收录、社区讨论或具名评价均未获得独立证据 |
| 可用性 | 9 | 一条 npx 命令即可安装到目标 Agent；SKILL.md 正文 35KB，另附 quickstart.md（4 会话操作指南）与 reference.md（校准锚点范例），文档详尽且可直接复制使用；最近一次提交 2026-06-19，维护活跃；纯提示词方法论，无付费依赖 |
| 安全性 | 9 | 纯 Markdown 提示词与方法论文档，不含任何脚本、不执行 shell 命令、不联网外发；License（技能自身 CC-BY-4.0、仓库整体 MIT）清晰；作者 GitHub 账号自 2013 年活跃、1,617 关注者，无造假迹象 |
综合评分 = 三项均值 = 7.7
安全检查清单：①无任何代码执行，纯提示词/文档 ②无外联 ③无需 API Key／凭据 ④逐段通读全文未见可疑指令或混淆内容 ⑤作者 GitHub 账号长期活跃、身份具名，无刷星或造假迹象 ⑥License 清晰（CC-BY-4.0 + 仓库 MIT） ⑦最近提交 2026-06-19
7. 跟同类 Skills 相比的优势
| 对比对象 | 定位 | 与本技能的差异 |
|---|---|---|
tlc-spec-driven（同合集 tech-leads-club/agent-skills） |
Specify→Design→Tasks→Execute 四阶段规格驱动开发流程，负责把 PRD 变成代码 | 服务于实现之前与实现过程中；本技能服务于实现之后，专门给已完成的实现打分，二者按其自身文档明确互补而非重叠 |
| GitHub Spec Kit（github/spec-kit） | 官方开源 CLI 工具包，Specify→Plan→Tasks→Implement 全流程，核心是贯穿始终的项目“宪法”文档 | 同样聚焦“如何做出实现”，未见内置对已完成实现的逐条验收标准打分、多次评分一致性控制或跨框架横向对比方法论 |
ln-42-acceptance-test-builder（levnikolaevich/claude-code-skills） |
根据需求描述生成验收测试用例 | 产出的是测试代码本身；本技能产出的是对既有实现+测试的量化完整度评分，且带判分偏差控制与可复现协议，两者面向验收流程的不同阶段 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价，源仓库之外也未见独立的第三方目录收录信息。
9. 安装使用方式
- 交互式安装：
npx @tech-leads-club/agent-skills，选目标 Agent 与安装方式 - 直接安装：
agent-skills install -s spec-driven-eval - 安装后：不会自动触发，需在对话中明确要求“运行 spec-driven-eval”或“按此规则打分”；建议按 quickstart.md 分四个独立会话执行（冻结基线→规划→实现→评分），避免上下文串味影响评分客观性
10. 注意事项
- 设计为评分工具而非修复工具：评分过程中发现问题不会自动修改被评代码，红灯门禁需人工按报告修复
- 每次评分需要一份结构清晰的 PRD（明确的 P0/P1/P2 优先级与编号验收标准）作为基线，PRD 质量直接决定评分的公正性与可复现性
- OpenClaw、Hermes Agent 兼容性尚未验证，使用前建议先小范围测试