judge-with-debate

judge-with-debate 技能概览

judge-with-debate 技能用于通过结构化的多智能体分歧来评估一个方案，而不是只看单次判断结果。它最适合你需要对质量、正确性或权衡做出可辩护的判断时使用；judge-with-debate 技能会在最终评分前强制引入证据、反驳观点和收敛过程。

judge-with-debate 适合做什么

当任务不是“写一个答案”，而是“判断这个答案、设计或实现到底好不好”时，就该用 judge-with-debate。它非常适合代码审查、方案排序、基于 rubric 的评估，以及任何 Multi-Agent Systems 工作流中单次模型输出带来偏差风险较高的场景。

它和普通 prompt 有什么不同

通用的评估 prompt 通常只会要求一个观点。judge-with-debate 会加入 meta-judge、共享的评估规范和多轮辩论，因此结果不容易被含糊带过。这也让 judge-with-debate 技能在准确性比速度更重要时更有价值。

适合哪些读者

这个技能适合需要可重复评估标准，而不仅仅是一个结论的 agent、reviewer 和 builder。如果你要比较多个候选方案，或者需要 judge-with-debate 指南在不同案例之间产出一致评分，它能帮你节省搭建成本并减少试错。

如何使用 judge-with-debate 技能

先安装，再检查技能内容

先在你的 skill manager 里按仓库的安装流程完成安装，然后在真正应用之前先读 skill 文件。典型的 judge-with-debate install 路径是先定位到 plugins/sadd/skills/judge-with-debate/SKILL.md，再确认周边仓库约定，这样你才知道这个技能期望输入和输出如何组织。

提供正确的输入形态

这个技能在你同时提供一个方案工件和明确评估标准时效果最好。一个好的 judge-with-debate usage prompt 会说明评什么、什么叫“好”，以及哪些约束最重要。例如：Judge this PR against correctness, maintainability, and spec compliance; prioritize evidence from the diff and call out any missing edge cases.

先看定义行为的文件

先读 SKILL.md，再查看会影响执行的仓库约定。这个仓库里最需要检查的是技能主体本身；没有额外的 helper scripts 或参考文件夹，所以安装决策主要取决于你是否理解任务流程、辩论阶段，以及这个单一事实来源给出的输出预期。

放进适合辩论的工作流里使用

一个实用的 judge-with-debate 指南是：先明确给出一个目标、一个 rubric 和所有硬约束；让 meta-judge 生成规范；然后让各个 judge 基于证据展开争论，而不是只是换句话说重复同一个分数。这个技能最强的地方在于你保留了“规范”“分析”“共识”这三步的区分；如果把这些步骤混在一起，辩论的价值就会明显下降。

judge-with-debate 技能 FAQ

judge-with-debate 只适合代码审查吗？

不是。judge-with-debate 技能适用于任何需要多视角提升可信度的结构化评估：代码、prompt、计划、研究摘要，或彼此竞争的方案。它在错误判断代价高于延长评估时间时尤其有价值。

什么时候不该用它？

当你只需要一个快速的经验性答案、当评估标准模糊到没法辩论、或者根本没有有意义的证据可以比较时，就别用 judge-with-debate。如果简单的规则检查已经够用，那么辩论带来的额外开销就没有必要。

它比单个强 prompt 更好吗？

对于有争议的决策，通常是的，因为这个技能会把分歧显式化，并强迫围绕证据达成收敛。不过对于简单任务，普通 prompt 可能更快，也已经足够准确；judge-with-debate 技能关注的是决策质量，而不是最少 token。

它适合新手吗？

适合，只要你能说清工件是什么，并明确 rubric。新手最常见的错误是只说“帮我判断一下”，却不说明成功标准是什么，这会让辩论缺乏足够力度。

如何改进 judge-with-debate 技能

把评估标准收得更紧

质量提升最大的杠杆就是 rubric。不要只要一个泛泛结论，而要明确加权关注点和失败阈值：Score correctness 50%, robustness 30%, clarity 20%; fail if the solution misses an edge case or contradicts the spec. 更强的标准能帮助 judge-with-debate 技能产生更尖锐的分歧和更干净的共识。

提供可直接用于举证的上下文

辩论最有效的时候，是 judges 能指向具体材料：准确的方案路径、相关片段、验收标准和已知约束。如果这些输入缺失，技能仍然可以运行，但辩论很容易滑向推断，而不是基于事实的评估。

注意常见失败模式

最主要的失败模式是过度泛化的共识：因为 prompt 太宽泛，所有 judges 都显得观点一致。另一个问题是 rubric 漂移，也就是讨论开始评判别的东西。要提升 judge-with-debate 技能的结果，就要把目标收窄，要求明确给出权衡，并让最终总结保留尚未解决的分歧。

在第一次输出后继续迭代

如果第一次输出太保守，就把缺失的决策点反馈回去，再用更具体的 rubric 或更严格的证据要求重新运行。对于 Multi-Agent Systems 场景里的 judge-with-debate，最有效的改进通常来自把决策边界说清楚，而不是单纯增加更多轮次。