Agent-almanac grade-tcg-card

install
source · Clone the upstream repo
git clone https://github.com/pjt222/agent-almanac
Claude Code · Install into ~/.claude/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/pjt222/agent-almanac "$T" && mkdir -p ~/.claude/skills && cp -r "$T/i18n/zh-CN/skills/grade-tcg-card" ~/.claude/skills/pjt222-agent-almanac-grade-tcg-card-c9acbe && rm -rf "$T"
manifest: i18n/zh-CN/skills/grade-tcg-card/SKILL.md
source content

TCG 卡牌评级

按照专业评级标准(PSA、BGS、CGC)评估和评级集换式卡牌。使用改编自

meditate
技能的观察优先协议来防止评级锚定——这是最常见的评级偏差。

适用场景

  • 在提交专业评级服务前评估卡牌
  • 筛选收藏以识别值得提交的高评级候选者
  • 解决买卖双方关于卡牌品相的争议
  • 通过遵循结构化评估协议学习一致性评级
  • 估算特定卡牌的评级相关价值区间

输入

  • 必需:卡牌识别信息(系列、编号、名称、变体/版本)
  • 必需:卡牌图片或实物描述(正反面)
  • 必需:要应用的评级标准(PSA 1-10、BGS 1-10 含子评级、CGC 1-10)
  • 可选:不同评级下的已知市场价值(用于评级-价值分析)
  • 可选:卡牌游戏(宝可梦、万智牌、血与肉、Kayou)

步骤

第 1 步:清除偏见——无预判的观察

改编自

meditate
第 2-3 步:在不锚定于预期评级或市场价值的情况下观察卡牌。

  1. 搁置关于卡牌市场价值的任何认知
  2. 在评级前不要查看近期成交价或人口报告
  3. 如果知道卡牌"很有价值",明确承认该偏见
  4. 首先将卡牌作为实物对象检查,而非收藏品
  5. 记录初始直觉印象,但不要让它锚定评估
  6. 将任何过早的评级想法标记为"锚定"并回到观察

预期结果: 一个中立的起始状态,纯粹基于物理状况评估卡牌,不受市场预期影响。评级锚定(在评级前知道价值)是评级不一致的首要原因。

失败处理: 如果偏见难以消除(高价值卡牌让你想看到 10 分),将偏见明确写下来。外化它可以减少其影响。只有在能够将卡牌作为实物对象检查时才继续。

第 2 步:居中度评估

测量卡牌正反面的印刷居中度。

  1. 测量正面四边的边框宽度:
    • 左右边框(水平居中)
    • 上下边框(垂直居中)
    • 用比例表示:如 55/45 左右、60/40 上下
  2. 对反面重复测量
  3. 应用评级标准的居中度阈值:
PSA 居中度阈值:
+-------+-------------------+-------------------+
| 评级  | 正面(最大偏差)  | 反面(最大偏差)  |
+-------+-------------------+-------------------+
| 10    | 55/45 或更好      | 75/25 或更好      |
| 9     | 60/40 或更好      | 90/10 或更好      |
| 8     | 65/35 或更好      | 90/10 或更好      |
| 7     | 70/30 或更好      | 90/10 或更好      |
+-------+-------------------+-------------------+

BGS 居中度子评级:
+------+-------------------+-------------------+
| 子级 | 正面(最大偏差)  | 反面(最大偏差)  |
+------+-------------------+-------------------+
| 10   | 50/50 完美        | 50/50 完美        |
| 9.5  | 55/45 或更好      | 60/40 或更好      |
| 9    | 60/40 或更好      | 65/35 或更好      |
| 8.5  | 65/35 或更好      | 70/30 或更好      |
+------+-------------------+-------------------+
  1. 记录每个轴的居中度得分和适用的子评级

预期结果: 双面的数值居中度比率及对应的评级/子评级。这是评级过程中最客观的测量。

失败处理: 如果边框太窄无法准确测量(全画面卡、无边框印刷),记录"居中度不适用——无边框"并跳至第 3 步。某些评级服务对无边框卡应用不同标准。

第 3 步:表面分析

检查卡牌表面的缺陷。

  1. 在良好照明下检查正面表面:
    • 印刷缺陷:墨点、缺墨、印刷线、色彩不一致
    • 表面划痕:在直射和斜射光下可见
    • 表面泛白:表面层的雾化或混浊
    • 凹痕或压痕:在掠射光下可见的凹陷
    • 污渍或变色:泛黄、水渍、化学损伤
  2. 用相同标准检查反面表面
  3. 区分工厂缺陷与使用损伤
  4. 评定表面状况等级(10 分完美至 1-5 分明显损伤)

预期结果: 详细的表面缺陷清单,每个缺陷都标注位置、描述和严重程度。区分工厂与使用缺陷。

失败处理: 如果图片分辨率太低无法进行表面分析,记录该限制并提供评级范围而非精确评级。建议进行实物检查。

第 4 步:边缘和角落评估

评估卡牌边缘和角落的磨损。

  1. 检查四条边:泛白、碎裂、粗糙、箔层分离
  2. 检查四个角:锐度、磨圆、分层、弯折
  3. 使用与表面相同的等级评定
  4. 记录哪些特定角落/边缘状况最差

预期结果: 逐边和逐角的状况评估。最差的单个角落/边缘通常决定总体评级的上限。

失败处理: 如果卡牌在卡套或卡夹中遮挡了边缘,记录哪些区域无法完全评估。

第 5 步:给出最终评级

将子评估合并为最终评级。

  1. PSA 评级(单一数字 1-10):最终评级受最弱子评估限制
  2. BGS 评级(四个子评级 -> 总体):居中度、边缘、角落、表面各 1-10,总体为加权平均但受最低子评级限制
  3. CGC 评级(类似 PSA 但标签上有子评级)
  4. 带置信度陈述最终评级:
    • "PSA 8(确信)"——评级明确
    • "PSA 8-9(边界)"——可能两者皆有
    • "PSA 7-8(不确定)"——评估数据有限

预期结果: 带置信级别的最终评级。对于 BGS,报告全部四个子评级。评级由第 2-4 步的证据支撑。

失败处理: 如果评估不确定,提供评级范围并建议专业评级。数据不足时绝不给出确信评级。

验证清单

  • 评级前完成偏见检查(无评级锚定)
  • 双面测量居中度并记录比率
  • 检查表面的划痕、印刷缺陷、污渍、凹痕
  • 四条边和四个角逐一评估
  • 区分工厂与使用缺陷
  • 最终评级由每个子评估的证据支撑
  • 陈述置信级别(确信、边界、不确定)
  • 正确应用评级标准(PSA/BGS/CGC 阈值)

常见问题

  • 评级锚定:在评级前知道卡牌价值会使评估偏向"期望的"评级。始终先进行物理评估
  • 忽略反面:反面表面和反面居中度也计入评分。许多评级者过度关注正面
  • 混淆工厂与使用缺陷:工厂印刷线不同于划痕,但两者都影响评级
  • 对闪卡过度评级:全息和箔卡在正确角度观察前会隐藏表面划痕。使用多个光照角度
  • 居中度视觉错觉:图案位置可能使居中度看起来比实际更好或更差。测量边框,而非图案

相关技能

  • build-tcg-deck
    — 卡牌品相影响锦标赛合法性的卡组构建
  • manage-tcg-collection
    — 基于评级的收藏管理和估值
  • meditate
    — 改编用于评级偏见防范的无预判观察技术来源