短剧 Skill 实测
目录里的「人工核对」只说明项目信息准确，不说明好不好用。这一页放实测：同一个梗概交给不同的 skill，把产出原样并排摆出来，让你自己判断。
进度：第一轮测剧本类 skill，正在准备，结果出来后会发在这里，也会在公众号推送。
怎么测
- 同一份输入：一个梗概，写清题材、集数和平台，所有参赛 skill 共用。
- 同一个环境：同一个 agent、同一个模型、同样的推理强度，记下版本号。
- 固定 skill 版本：记下每个仓库测试时的 commit。
- 按 skill 自己的流程走：skill 要问问题就如实回答，不额外加指令；问答过程全部记录。
- 完整保留产出：不挑最好的一次，跑几次就放几次。
看什么
| 维度 | 看什么 |
|---|---|
| 钩子 | 开头和每集结尾能不能让人想往下看 |
| 人物 | 动机清不清楚，行为前后一不一致 |
| 结构 | 节奏、冲突升级、反转成不成立 |
| 对白 | 像不像人说的话，角色之间有没有区别 |
| AI 味 | 套话、排比、空洞形容词多不多 |
| 可用性 | 离能直接用还差多少修改，流程顺不顺手 |
点评只写观察和例子，不打总分。原始产出和记录都放在 GitHub 的 evals 目录，任何人都可以按同样的方法复现。
想推荐 skill 参加实测？
在 GitHub 提 issue，写上仓库地址和它擅长的题材。
更新于 2026-10-17