judge-with-debate

judge-with-debate 技能概覽

judge-with-debate 技能用來評估一個解法，透過結構化的多代理分歧，而不是單次輸出一個意見。當你需要一個站得住腳的判斷，來衡量品質、正確性或取捨，並希望 judge-with-debate 技能在最終評分前先逼出證據、反方觀點與收斂結果時，這個技能特別適合。

judge-with-debate 適合拿來做什麼

當工作重點不是「寫出答案」，而是「判斷這個答案、設計或實作到底好不好」時，就該用 judge-with-debate。它很適合程式碼審查、解法排名、依準則評分，以及任何 Multi-Agent Systems 工作流程；在這些情境下，單一模型一次判斷帶來的偏誤風險都不小。

judge-with-debate 跟一般提示詞有什麼不同

一般的評估提示詞通常只要求一個意見；judge-with-debate 會加入 meta-judge、共用評估規格，以及重複的辯論輪次，讓結果更難被敷衍帶過。這也是為什麼在準確度比速度更重要時，judge-with-debate 技能會更有用。

適合哪些讀者

這個技能很適合需要可重複評估標準，而不只是單一結論的代理人、審查者與建構者。如果你要比較多個候選解法，或需要 judge-with-debate 指南在不同案例間維持一致評分，這個技能可以節省設定時間，也能減少憑感覺猜測。

如何使用 judge-with-debate 技能

先安裝並檢查這個技能

先在你的 skill manager 裡走 repository 的安裝流程，再在實際套用前讀一次技能檔。典型的 judge-with-debate install 路徑，是先找到 plugins/sadd/skills/judge-with-debate/SKILL.md，然後確認周邊 repo 慣例，搞清楚這個技能預期的輸入與輸出該如何組織。

輸入格式要給對

這個技能最適合在你提供一條解法或某個產物，並且明確列出評估標準時使用。好的 judge-with-debate usage 提示詞，應該清楚說明：要判斷的是什麼、什麼叫「好」、以及哪些限制最重要。例子：Judge this PR against correctness, maintainability, and spec compliance; prioritize evidence from the diff and call out any missing edge cases.

先看定義行為的檔案

先讀 SKILL.md，再找周邊會影響執行的 repo 慣例。在這個 repository 裡，主要要檢查的就是技能本體；沒有 helper scripts，也沒有額外的 reference folders，所以安裝決策取決於你是否理解任務流程、辯論階段，以及這份單一真實來源所定義的輸出期待。

放進適合辯論的工作流程

實際可用的 judge-with-debate 指南是：一開始就提供一個目標、一份 rubric，以及任何硬性限制；讓 meta-judge 先把規格形塑清楚；接著讓各個 judge 依證據辯論，而不是只是重述同一個分數。這個技能最強的地方，在於你有保留「規格」、「分析」與「共識」的區別；如果把這些步驟混在一起，辯論的價值就會明顯下降。

judge-with-debate 技能常見問答

judge-with-debate 只有程式碼審查能用嗎？

不是。judge-with-debate 技能適用於任何需要多方觀點來提高可信度的結構化評估：程式碼、提示詞、計畫、研究摘要，或彼此競爭的解法。當錯誤判斷的代價高於較長評估時間的成本時，它就特別有價值。

什麼情況下不該用？

如果你只需要快速的經驗法則答案、評估標準本身太模糊而無法辯論，或根本沒有值得比較的證據，就先別用 judge-with-debate。如果用簡單的規則檢查就夠了，那就不需要承擔辯論流程的額外成本。

這比單一個強提示詞更好嗎？

在有爭議的決策上，通常是的，因為這個技能會把分歧明確化，並逼著結果朝證據收斂。不過對簡單任務來說，一般提示詞可能更快，也已經夠準；judge-with-debate 技能重點在決策品質，而不是最少 token。

對初學者友善嗎？

可以，只要你能說出產物是什麼，並清楚寫出 rubric 就行。初學者最常犯的錯誤，是只丟一句「幫我判斷這個」，卻沒有說明成功標準，結果讓辯論火力不足。

如何改進 judge-with-debate 技能

把評估標準收得更精準

影響品質最大的槓桿就是 rubric。不要只問一個泛泛的結論，而是要指定加權重點與失敗門檻：Score correctness 50%, robustness 30%, clarity 20%; fail if the solution misses an edge case or contradicts the spec. 更強的標準，能幫助 judge-with-debate 技能產生更清楚的分歧，也更容易收斂出乾淨的共識。

提供可直接拿來辯論的背景資訊

辯論最有效的情況，是各個 judge 可以直接指向具體材料：確切的解法路徑、相關片段、接受條件，以及已知限制。如果你把這些輸入省略掉，技能還是能跑，但辯論會比較容易偏向推測，而不是扎實評估。

留意常見失敗模式

最常見的失敗模式，是過度概括的共識：所有 judge 聽起來都很一致，但那只是因為提示詞太寬。另一個問題是 rubric 漂移，也就是討論途中開始評分不同的東西。要改善 judge-with-debate skill 的結果，請把目標縮窄、要求明確的取捨，並請系統保留任何尚未解決的分歧，寫進最後摘要。

第一次跑完再迭代

如果第一次輸出太保守，就把缺少的決策點補回去，然後用更具體的 rubric 或更嚴格的證據要求再跑一次。對 Multi-Agent Systems 的 judge-with-debate 而言，最有效的改善通常是把決策邊界講清楚，而不是單純要求更多回合。