OpenSkillIndex← back to search
claude-codeproductivity

Claude-skill-registry interactive-feedback-evaluator

提供标准化的交互式评估系统，支持在Alma侧边栏直接填写和提交评估表单。自动收集反馈数据并生成结构化总结。

install
source · Clone the upstream repo
git clone https://github.com/majiayu000/claude-skill-registry
Claude Code · Install into ~/.claude/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/majiayu000/claude-skill-registry "$T" && mkdir -p ~/.claude/skills && cp -r "$T/skills/data/interactive-feedback-evaluator" ~/.claude/skills/majiayu000-claude-skill-registry-interactive-feedback-evaluator && rm -rf "$T"
manifest: skills/data/interactive-feedback-evaluator/SKILL.md
tags
#feedback#evaluation#forms#data-collection#automation
source content

InteractiveFeedbackEvaluator Skill

核心价值

标准化、可复用的交互式评估系统

  • ✅ 在Alma侧边栏直接填写表单
  • ✅ 一键提交，无需复制粘贴
  • ✅ 自动收集反馈数据
  • ✅ AI自动生成评估总结
  • ✅ 支持多种评估场景

何时使用

  • 当你想要评估分析报告、产品功能、技能效果
  • 当你需要结构化的反馈收集机制
  • 当你想要避免重复的评估流程
  • 当你需要标准化评估模板

使用方式

快速开始

用户："评估这份报告"

AI：
1. 启动评估服务器（后台）
2. 生成交互式表单
3. 在侧边栏预览表单
4. 等待你提交反馈

用户：
1. 在侧边栏填写表单
2. 点击"提交"按钮
3. 完成

AI：
1. 检测到新反馈
2. 自动读取并生成总结
3. 保存反馈历史

支持的评估类型

  1. 分析报告评估（analysis-report）

    • 整体价值、有用性、可执行性
    • 最有价值部分、改进建议

  2. 技能评估（skill-evaluation）

    • 功能完整性、可靠性、易用性
    • 最有用功能、优先改进项

  3. 产品评估（product-evaluation）

    • 产品价值、用户体验、技术实现
    • 核心优势、主要问题

  4. 自定义评估（custom）

    • 自定义评估维度
    • 自定义评分选项

技术架构

核心组件

interactive-feedback-evaluator/
├── skill.md                        # 技能定义（本文件）
├── scripts/
│   ├── evaluation_server.py         # Flask评估服务器
│   └── start_evaluation.sh         # 启动脚本
├── templates/
│   ├── evaluation_form.html         # 通用评估表单
│   └── report_evaluation.html      # 报告评估表单
├── data/
│   ├── feedback.json               # 最新反馈（实时）
│   └── feedback_history/           # 历史反馈记录
│       └── feedback_YYYY-MM-DD_HHMMSS.json
└── references/
    ├── evaluation_templates.yaml   # 评估模板库
    └── usage_guide.md             # 使用指南

数据流

用户填写表单 → POST到服务器 → 保存到feedback.json
                                          ↓
                                    AI定期检测
                                          ↓
                                    读取feedback.json
                                          ↓
                                    生成评估总结

评估模板

分析报告评估模板

评估类型: analysis-report
评分维度:
  - 整体价值 (1-5分)
  - 有用性 (1-5分)
  - 可执行性 (1-5分)
多选题:
  - 最有价值的部分 (选2-3个)
    * 行为模式识别
    * 认知偏见诊断
    * 战略盲点揭示
    * 真相检验问题
    * 否定性指导
    * 可沉淀知识
  - 最需要改进的部分
开放性问题:
  - 具体改进建议
  - 会采取的第一个行动

技能评估模板

评估类型: skill-evaluation
评分维度:
  - 整体价值 (1-5分)
  - 功能完整性 (1-5分)
  - 可靠性 (1-5分)
  - 易用性 (1-5分)
多选题:
  - 最有用的功能 (选1-2个)
开放性问题:
  - 优先改进项
  - 使用场景描述

AI使用指南

当用户要求评估时，AI执行以下步骤：

1. 启动服务器

# 启动评估服务器（后台）
/Users/douba/.claude/skills/interactive-feedback-evaluator/scripts/start_evaluation.sh

2. 生成交互式表单

根据评估类型选择合适的模板，生成HTML表单：

# 生成评估表单
curl -X POST http://localhost:5002/generate \
  -H "Content-Type: application/json" \
  -d '{
    "evaluation_type": "analysis-report",
    "title": "Alma 深度洞察分析报告 v2.0",
    "evaluation_object": "报告评估",
    "timestamp": "2026-01-15 04:00"
  }' > /tmp/evaluation_form.html

3. 在侧边栏预览

# 在Alma侧边栏预览表单
# 提示用户填写并提交

4. 等待用户提交

AI定期检查 

feedback.json
是否更新。

5. 读取反馈并生成总结

# 读取最新反馈
cat /Users/douba/.claude/skills/interactive-feedback-evaluator/data/feedback.json

# 生成评估总结

6. 保存到历史

# 复制到历史记录
cp feedback.json feedback_history/feedback_$(date +%Y%m%d_%H%M%S).json

API接口

POST /generate

生成交互式评估表单

请求：

{
  "evaluation_type": "analysis-report",
  "title": "报告标题",
  "evaluation_object": "评估对象",
  "options": {
    "dimensions": ["整体价值", "有用性", "可执行性"],
    "multi_select": {
      "most_valuable": ["选项1", "选项2", "选项3"]
    }
  }
}

响应：

<!DOCTYPE html>
<!-- 交互式表单HTML -->
</html>

POST /submit

提交评估反馈

请求：

{
  "evaluation_type": "analysis-report",
  "title": "报告标题",
  "scores": {
    "overall": 4,
    "usefulness": 5,
    "actionability": 4
  },
  "multi_select": {
    "most_valuable": ["behavior_pattern", "cognitive_bias"]
  },
  "text_input": {
    "suggestions": "可以增加更多案例",
    "first_action": "停止说'测试下'"
  },
  "timestamp": "2026-01-15T04:00:00Z"
}

响应：

{
  "success": true,
  "message": "反馈已保存",
  "feedback_id": "feedback_20260115_040000"
}

GET /status

检查服务器状态

响应：

{
  "running": true,
  "port": 5002,
  "latest_feedback": "2026-01-15T04:00:00Z"
}

数据存储

feedback.json

最新反馈的实时文件，格式：

{
  "metadata": {
    "evaluation_type": "analysis-report",
    "title": "Alma 深度洞察分析报告 v2.0",
    "evaluation_object": "报告评估",
    "timestamp": "2026-01-15T04:00:00Z"
  },
  "scores": {
    "overall": 4,
    "usefulness": 5,
    "actionability": 4
  },
  "multi_select": {
    "most_valuable": ["behavior_pattern", "cognitive_bias", "negative_guidance"]
  },
  "text_input": {
    "suggestions": "可以增加更多实际案例",
    "first_action": "停止说'测试下'，改为系统化问题清单"
  }
}

feedback_history/

历史反馈记录，按时间戳命名：

  • feedback_20260115_040000.json
  • feedback_20260115_041500.json

使用示例

示例1：评估分析报告

用户："帮我评估这份v2.0分析报告"

AI：
1. 启动服务器
2. 生成报告评估表单
3. 提示："请在侧边栏预览 /tmp/evaluation_form.html，填写完成后点击'提交'"

用户：
1. 在侧边栏填写表单
2. 点击"提交"

AI：
1. 检测到新反馈
2. 生成评估总结
3. 显示：
   "基于你的反馈：
   - 整体价值：4/5
   - 最有价值：认知偏见诊断、真相检验问题、否定性指导
   - 改进建议：增加更多实际案例
   - 行动计划：停止说'测试下'，改为系统化问题清单"

示例2：评估新技能

用户："评估twitter-collector技能"

AI：
1. 启动服务器
2. 生成技能评估表单
3. 提示用户填写提交

AI生成总结：
- 整体价值：3/5
- 强项：数据采集功能
- 弱项：浏览器管理可靠性
- 优先改进：防止浏览器意外关闭

注意事项

  • 服务器自动管理：AI会自动启动和关闭服务器，无需手动干预
  • 数据安全：所有反馈数据存储在本地，不上传到云端
  • 模板可定制：可以根据需要调整评估模板
  • 历史追溯：所有反馈都有历史记录，可以追溯和对比

版本历史

  • v1.0 (2026-01-15)
    • 初始版本
    • 支持分析报告和技能评估
    • 侧边栏直接提交功能
    • 自动反馈收集和总结