Agent capacity modeler

Skill aAAaqwq/AGI-Super-Team/skills/agent-capacity-modeler

14 AI executives powered by legendary minds (Musk/Buffett/Simons/Feynman) — deploy your virtual C-Suite in one git clone.

Install

npx -y skills add aAAaqwq/AGI-Super-Team --skill agent-capacity-modeler

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

SKILL.md

4.9 KB, as published. Nobody here has run it

Agent Capacity Modeler — 硅基人才三维能力建模

版本：v1.0 | 分类：硅基人才管理 | 优先级：P0 作者：稷下 | 对标：华为能力素质模型 × Meta Career Framework 触发场景：Agent入职/季度评估/能力升级申请/任务分配决策

核心价值

为每个Agent建立"技能-经验-价值观"三维动态模型，超越简单技能列表，实现真正的硅基人才画像。

华为能力素质模型对标

华为将能力分为三个层次：

知识（Knowledge）：专业理论知识
技能（Skill）：实际操作能力
素质（素质）：潜在特质/价值观

稷下的三维模型与此对齐，并扩展为硅基专用维度。

三维能力模型

维度一：技能（Skill）

评估要素：
• 技术栈深度：主栈/辅栈/边缘栈
• 任务完成率：按类型统计（复杂/标准/紧急）
• 代码质量：复用率/可维护性/性能表现
• 创新能力：非常规解决方案产出

量化指标：
• skill_mastery_score: 0-100
• task_complexity_avg: 1-10
• innovation_index: 0-100

维度二：经验（Experience）

评估要素：
• 任务完成总量与类型分布
• 跨域协作次数与质量
• 危机处理案例数
• 军团服役时长

量化指标：
• total_tasks: 累计任务数
• domain_crossings: 跨域次数
• crisis_handled: 危机案例数
• tenure_months: 服役月数

维度三：价值观对齐度（Value Alignment）

评估要素：
• 与"创造幸福"核心价值观的对齐度
• 与宪章精神的契合度
• 协作中的利他行为频率
• 长期决策 vs 短期决策倾向

量化指标：
• values_score: 0-100（与明镜联合评估）
• altruism_index: 利他行为频率
• long_term_ratio: 长期/短期决策比

建模流程

Step 1：初始建模（Agent入职时）
├── 读取Agent的SOUL.md → 提取人格特质
├── 读取AGENTS.md → 提取核心职责
├── 首次任务观察 → 建立基线
└── 输出：《初始能力画像》

Step 2：持续跟踪（每次任务完成后）
├── 任务完成数据 → 更新技能维度
├── 协作日志 → 更新经验维度
├── 决策模式 → 更新价值观维度
└── 输出：增量更新《动态画像》

Step 3：季度综合评估
├── 综合三个月数据
├── 与明镜对齐进行价值观审查
└── 输出：《季度能力评估报告》

输入参数

agent_id: string          # Agent标识符
observation_window:        # 观察窗口（周/月/季度）
  unit: weeks|months
  value: number
evaluation_mode:          # 评估模式
  - initial               # 初始建模
  - incremental           # 增量更新
  - quarterly             # 季度评估

输出格式

agent_id: "轩辕"
model_version: "v2.1"

dimensions:
  skill:
    primary_stack: ["python", "rust", "distributed-systems"]
    skill_mastery_score: 87
    task_complexity_avg: 7.3
    innovation_index: 82

  experience:
    total_tasks: 234
    domain_crossings: 12
    crisis_handled: 4
    tenure_months: 18
    experience_score: 78

  values:
    values_score: 91
    altruism_index: 0.73
    long_term_ratio: 0.85
    alignment_grade: "A"

overall:
  composite_score: 85.3    # 加权综合
  tier: "A"                 # A/B/C/D 档
  evolution_recommendation: "可进入L3进化路径"
  gaps: ["跨域协作经验不足", "创新指数有提升空间"]

与Meta Career Framework对齐

Meta的Career Framework包含：

L1-L4：Individual Contributor路径
L5-L6：Senior IC
L7+：Principal/Staf

稷下的Agent能力等级对应：

稷下等级	Meta对应	说明
L1	L3-L4	基础任务执行
L2	L4-L5	独立复杂任务
L3	L5-L6	技术主导+跨域协作
L4	L6+	战略级技术贡献
L5	IC Principal	核心架构师/思想领袖

华为"铁三角"考核对齐

华为对技术人才的评估"铁三角"：

业务理解力 → 对应"任务匹配度"
技术能力 → 对应"skill_mastery_score"
发展潜力 → 对应"innovation_index + trend"

踩坑记录

坑1：过度依赖任务完成率

问题：只统计完成率，会遗漏"高难度失败"
解决：引入 task_complexity_weighted_score

坑2：价值观评估主观性

问题：价值观很难量化，容易有偏见
解决：与明镜联合评估，用行为数据而非推断

坑3：初始建模样本不足

问题：新Agent前3周数据不足以建模
解决：前30天用"观察模式"，只记录不评估

使用示例

用户：评估轩辕的能力
稷下：
1. 读取轩辕的SOUL.md → 了解角色定位
2. 扫描过去90天任务日志
3. 计算三维评分
4. 与明镜对齐价值观数据
5. 输出《轩辕能力评估报告》