aiq-assessment

AIQ（AI商数）评估工具。基于"三层18原子能力"框架，对个人或团队的AI协作效能进行结构化评估。包含提示素养、算法共情、判断锐度三大维度，覆盖18个可量化的原子能力。适用于自我诊断、招聘评估、团队AI成熟度审计等场景。触发词：AIQ、AI商数、AI能力评估、 AI协作效能、会不会用AI、AI Native、prompt engineering能力评估。

RavenlionX@ravenlionx

Install

openclaw skills install @ravenlionx/aiq-assessment

AIQ 评估技能

概述

本技能提供一套结构化的AIQ（AI商数）评估方法，基于第一性原理拆解的"三层18原子能力"框架。用于评估个人或团队在AI协作中的真实效能——不测"会不会写prompt"，而是测基础认知能力在AI杠杆下的综合表现。

核心理念

AIQ ≠ 新智商。AIQ = 基础认知能力 × AI工具杠杆 × AI情境适应。

高AIQ的人不是"prompt写得好"的人，而是在AI工具可用的情境下，整合批判性思维、领域知识、决策力和AI边界意识，实现产出质量跃升的人。

何时使用

用户请求对自己或他人进行AIQ评估
用户提及"AIQ"、"AI商数"、"AI能力评估"、"AI协作效能"
用户想了解自己在AI时代的能力长短板
招聘或团队建设中需要评估候选人的AI协作潜力
用户想了解"会不会用AI"的具体衡量标准
组织需要进行AI Native成熟度审计

评估流程

步骤1：加载框架

首先读取 references/aiq_framework.md，加载完整的18原子能力框架、评分锚点、场景权重表和评估模板。

步骤2：确定评估模式

根据用户意图选择评估模式：

模式	适用场景	数据来源
自我诊断	用户想了解自己的AIQ	用户自述+AI对话审查（如有）
他评模式	用户想评估他人（如候选人、团队成员）	用户提供的对方行为描述+产出物
快速扫描	快速了解AIQ概貌	仅基于用户对自身/他人的定性描述

步骤3：收集行为证据

根据评估模式收集证据：

自我诊断模式：

要求用户描述3-5个典型的AI协作场景（从意图到交付的完整闭环）
询问：何时信任AI输出、何时必须自己验证、最常遇到什么AI使用问题
可选：请用户粘贴1-2段与AI的真实对话记录

他评模式：

要求用户描述被评估者在AI协作中的可观察行为
询问具体案例而非泛泛评价（"做了什么"而非"我觉得他怎么样"）
关注：是否主动管理上下文、是否对AI输出保持判断主权、迭代模式

快速扫描模式：

基于用户提供的定性描述直接评分，标注置信度

步骤4：逐层评估

按三层顺序逐层评估，每层评估后呈现本层结果：

第一层：基础认知层（8项） 评估时重点关注：AI出现之前这些能力是否已经存在、AI是否只是放大了它们。

第二层：人机交互层（6项） 评估时重点关注：用户与AI交互时的"翻译"效率——想法变成AI可用输入的能力。

第三层：AI元认知层（4项） 评估时重点关注：用户对AI本质的理解深度——是否知道AI什么时候在"编"、什么时候真的"知道"。

每次只评估一层，评估完呈现该层的结果后再进入下一层。

步骤5：生成评估报告

最终输出包含以下内容：

三层得分汇总表（每层均分 + 总分）
雷达图文字描述（各维度强弱点分析）
关键发现（2-3条最重要的洞察）
场景匹配（根据用户的实际场景，给出加权后的场景AIQ得分）
提升建议（针对得分最低的2-3项能力的具体可操作建议）

步骤6：交付

评估完成后，将完整报告写入用户指定的文件（默认：当前工作目录下的 AIQ评估报告.md），并使用 deliver_attachments 交付。

输出格式规范

评估报告应使用以下结构：

markdown

# AIQ 评估报告

## 基本信息
- 评估对象：[姓名/角色]
- 评估模式：[自我诊断/他评/快速扫描]
- 评估日期：[日期]
- 置信度：[高/中/低]

## 三层能力得分

### 第一层：基础认知层（权重：[场景]）
| 能力 | 得分 | 证据 |
|------|:---:|------|
| 1.1 意图澄清 | X | [...] |
| ... | | |
| **本层均分** | **X.X** | |

### 第二层：人机交互层（权重：[场景]）
[...]

### 第三层：AI元认知层（权重：[场景]）
[...]

## 综合得分
- 基础认知层：X.X × 权重 = X.X
- 人机交互层：X.X × 权重 = X.X
- AI元认知层：X.X × 权重 = X.X
- **场景加权AIQ**：X.X / 5.0

## 关键发现
1. [...]
2. [...]
3. [...]

## 提升建议
1. **[能力名称]（当前X分→目标X分）**：[具体操作建议]
2. [...]

重要原则

基于证据评分，不基于印象：每个得分必须有可观察的行为证据支持
区分"会用AI"和"认知能力强"：高AIQ不一定是prompt高手，可能只是基础认知能力强
场景敏感：同一人在不同场景下的AIQ表现可能差异很大，必须按实际场景加权
不夸大AIQ的重要性：AIQ不是一个独立维度，它和IQ、EQ、领域专长高度相关
给出可操作建议：评估的目的是提升，不是贴标签