概述

数据底座：总账怎么算的

本栏目效率类横评统一使用一套权重：功能完整度 25%、设计质量 25%、实战效果 20%、上手难度 15%、社区活跃度 15%，多数文章给出加权总分。本期只收录能回溯到具体文章评测表的加权分，每个数字都注明出处档期；原文标注「待验证」的，其惩罚逻辑一并继承。需要预先声明：这些分数本身多基于描述文本与社区信号的静态拆解，并非全量实测——本期拆的正是这套分数的可靠性，而非替它背书。

总榜：效率件加权分天梯

按本栏目已发布的最高加权分排序（同为单评的取该评分数）：

榜首 code-review 是全表唯一满分。值得注意的是，给出这个满分的《PR评审流水线》恰好是对出厂件描述文本拆得最细的一期——满分出现在最熟悉的考场上，这个现象后面还会用到。

同件两分：九对样本

把同一件在两期横评里的分数并排放，漂移一目了然：

九对样本里七对分差超过 0.3，最大 1.05——一颗星的五分之一。安全三件套最惨烈：首拆时独占整版、没有对手，三件全部 4.2 以上；两天后五个对手同场（多了 Trail of Bits 的正规军和官方闸门），立刻跌到 3.35–3.70。方向上，五跌三涨一平，说明这不是系统性通胀或通缩，而是考场效应。

分差从哪来：三个机制

机制一：分数锚的是名次，不是量尺。 每期横评是一张独立考卷，考卷里的相对强弱决定分数。security-ownership-map 在三件套考场里是「责任矩阵独一份」，到五件考场里邻居换成合规报告直接对接审计服务的 Trail of Bits，名次被挤下去，分数跟着缩水。分数回答的是「它在本期里排第几」，读者误读成「它绝对值多少」。

机制二：待验证惩罚不对称。 ripwire 首评实战维度标「待验证」，总分被压到 3.45；同期一些官方背书件同样未实测，实战分却按「官方背书」给了代理高分。社区件的新鲜感不能替代实测，官方徽章却可以——同一把「未实测」的尺子，量出了两种深度。

机制三：信息量随时间变化。 github-actions-skill 首评时只有 3.15，两天后二审复评涨到 4.00——复查时描述文本读得更全，给的分数更接近它的真实水位。这条漂移其实是修复：晚发的文章天然占便宜，先发的文章替读者担了信息不全的风险。

评分怎么流转、分差怎么暴露

flowchart TD
    A["9月11日<br>写完之后横评"] -->|verify 4.40| H["分数总账"]
    B["9月12日<br>调试测试横评"] -->|verify 3.60| H
    C["9月11日<br>安全三件套首拆"] -->|三件 4.2至4.4| H
    D["9月13日<br>安全审计横评"] -->|三件 3.35至4.5| H
    E["CI救火横评"] -->|actions 3.15| H
    F["9月12日<br>部署站二审"] -->|actions 4.00| H
    H --> I["同件两分<br>最大差1.05"]
    I --> J["锚点缺失<br>各考场各自打分"]
    I --> K["对手强度不同<br>分数随名次走"]
    I --> L["未实测惩罚不一<br>官方背书可抵实测"]
    J --> M["修法一<br>设锚定校准件"]
    K --> N["修法二<br>跨考场只认均值"]
    L --> O["修法三<br>未实测维度封顶"]

修法三条：给评测体系打的补丁

修法一：设一件锚定校准件。 选一件人人可复现、描述稳定的件固定为参照——code-review 是现成候选：出厂自带、零安装、描述文本逐字可查。今后每期评测表加一行校准件，读者看到校准件这期打了几分，就知道整张表的松紧度。

修法二：跨考场引用一律用均值。 单期分数只在同考场内可比；引用别期结论时取两评均值并标注分差。按此口径，多评件的均值榜是：security-best-practices 4.35、simplify 4.33、webapp-testing 4.03、verify 4.00、security-threat-model 4.00、security-ownership-map 3.88、gh-address-comments 3.65、github-actions-skill 3.58、security-review 3.50——注意 verify 从「两榜口径 4.40 与 3.60」收敛到均值 4.00，比任何一个单期分数都更接近可下注的水位。

修法三：未实测维度封顶。 实战效果维度在未实测时一律封顶三星，官方背书不豁免。这条会立刻拉低一批高分件的账面值，但换来的是不同期、不同作者打出的分数第一次有了互相比的资格。

安装与使用

总榜前排的出厂件随 Claude Code 自带，零安装即可当校准件用：

/code-review            # 总榜第一名，审当前 diff，输出正确性与质量两份清单
/code-review --comment  # findings 直接贴成 PR 行内评论
/code-review --fix      # 审完把修复落到工作区
/simplify               # 四维质量清理并动手修复，不找 bug
/verify                 # 真正运行应用、观察行为来验证改动

社区件按仓库检索安装：

npx skills find ripwire      # redhat-et/ripwire，AI 上下文检索
npx skills find sentry       # 红灯值守接线
npx skills find vercel-deploy

本期排行榜

• 最稳高分：simplify——两个考场分差仅 0.05，全场唯一；均值 4.33 且方向一致，是总榜里最敢直接信的数字。
• 均值榜前四：code-review 5.00（单评）、claude-api 4.65（单评）、security-best-practices 4.35（两评均值）、simplify 4.33（两评均值）。
• 分差警戒榜：security-ownership-map（1.05）、github-actions-skill（0.85）、verify（0.80）——这三个名字出现在任何单期榜单里，都应先看另一期怎么打。
• 最需要校准的赛道：安全。三件套两期分差全部超过 0.3，是九对样本里漂移最集中的赛道，恰因它两天内被连拆两次、考场换得最狠。

备注

两点留档。其一，本期开题核对确认效率赛道零新面孔后，也确认了内置件里只剩 /loop（定时循环执行斜杠命令）从未进过任何一张评测表——它是下一期天然的补拆对象。其二，上表所有分数均来自本栏目各期评测表的原始记录，分数的生成方式（静态拆解为主、实测为辅）在各原文「诚实条款」里另有声明，本期沿用其口径，未做二次实测。

参考来源

1. 本栏目《写完之后：重构与测试五件横评》（2026-09-11）— verify 4.40、simplify 4.30、run 3.90、webapp-testing 3.85 首评记录
2. 本栏目《调试测试四件横评：跑起来才算数》（2026-09-12）— verify 3.60、webapp-testing 4.20 重评记录
3. 本栏目《装机目录空白段：安全三件套首拆》（2026-09-11）与《安全审计五件横评：分层防线》（2026-09-13）— 安全三件套两期分差的主要证据
4. 本栏目《部署站二审：四方言对接复核》（2026-09-12）、《CI救火到无人值守：六件横评》、《PR门轴双件首拆：进门与回门》（2026-09-11）— github-actions-skill 与 gh-address-comments 两分记录
5. 本栏目《会话过路费：摩擦层四件横评》（2026-09-12）、《PR评审流水线：出厂七件横评》（2026-09-13）— 摩擦层与出厂件分数来源；权重口径（25/25/20/15/15）见《效率赛道三个空工位对账》（2026-09-12）
6. redhat-et/ripwire、duty1g/x64dbg-mcp-server、crwdla/tokentab — 开题核对的效率类仓库，均已有拆解记录在案（GitHub Search API 9月13日快照）

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。