文档索引
在以下地址获取完整的文档索引：https://docs.typesafe.ai/llms.txt 使用此文件可以在进一步探索之前发现所有可用页面。

组合评分

将复杂的判断分解为原子分数，在代码中通过你控制的权重进行组合。

通常我们希望根据多个标准同时对一组项目进行排名。组合评分是一种简单的方法：将判断分解为独立的维度，分别对每个维度进行评分，并在代码中使用你控制的权重将它们组合起来。

示例：简历筛选

想象一下，你正在处理工程职位的简历。你希望根据几个标准对候选人进行排名，并最终选出前 X 名候选人进行进一步审查。

%%{init: {"fontFamily": "Inter, sans-serif", "flowchart": {"rankSpacing": 35, "wrappingWidth": 300, "subGraphTitleMargin": {"top": 12, "bottom": 36}}}}%%
flowchart LR
    resume["candidate resume"]

    subgraph req["TypeSafe evaluates questions<br/>in parallel"]
        direction TB
        py["<b>Score:</b> Python depth"]
        lead["<b>Score:</b> team leadership"]
        arch["<b>Score:</b> system design"]
        general["<b>Score:</b> generalist"]
        %% Invisible links stack the questions; they are answered in parallel.
        py ~~~ lead ~~~ arch ~~~ general
    end

    resume -- "one request<br/>resume + 4 questions" --> req
    req -- "one response<br/>4 score answers" --> normalize["<b>normalize scores to 0–1</b><br/>divide each by 4 in your code"]
    normalize --> ic["<b>senior IC weights</b><br/>40% Python + 10% leadership<br/>40% design + 10% generalist"]
    normalize --> em["<b>engineering manager weights</b><br/>15% Python + 40% leadership<br/>20% design + 25% generalist"]
    ic --> rank["rank candidates<br/>for each role"]
    em --> rank

步骤 1：独立对每个维度进行评分

{
  "python_depth": {
    "type": "score",
    "instructions": "根据提供的简历，该候选人有多少 Python 经验深度？",
    "criteria": [
      "未提及 Python 经验",
      "提及但无细节",
      "在项目中使用，有一些具体细节",
      "主要编程语言，多个项目",
      "深度专业知识：架构、性能、库"
    ]
  },
  "team_leadership": {
    "type": "score",
    "instructions": "该候选人在管理或领导工程团队方面有多少经验？",
    "criteria": [
      "未提及管理经验",
      "非正式指导或技术领导角色",
      "领导过一个小团队或项目",
      "管理过有直接下属的团队",
      "管理过多个团队或整个工程部门"
    ]
  },
  "system_design": {
    "type": "score",
    "instructions": "该候选人在设计大型或分布式系统方面有多少经验？",
    "criteria": [
      "未提及架构工作",
      "参与过设计讨论",
      "设计了较大系统的组件",
      "拥有对重要系统的架构所有权",
      "在多个领域设计了大规模系统"
    ]
  },
  "generalist": {
    "type": "score",
    "instructions": "有什么证据表明该候选人能够掌握核心专业技能之外的不熟悉工具、角色或领域？",
    "criteria": [
      "仅提及一个领域或角色",
      "有一定多样性但局限于狭窄领域",
      "跨几个不同领域或技术栈工作",
      "经常在领域之间切换，身兼数职",
      "有在不熟悉领域快速上手并交付成果的记录"
    ]
  }
}

步骤 2：使用权重进行组合

每个维度都标准化为 0–1 并加权。权重提供了一种简单的方法来调整每个维度的相对重要性，而不会丧失各个分数中的任何细微差别。

scoring.py

py      = response.answers["python_depth"].score / 4
lead    = response.answers["team_leadership"].score / 4
arch    = response.answers["system_design"].score / 4
general = response.answers["generalist"].score / 4

# Senior IC
ic_score = (0.40 * py) + (0.10 * lead) + (0.40 * arch) + (0.10 * general)

# Engineering Manager
em_score = (0.15 * py) + (0.40 * lead) + (0.20 * arch) + (0.25 * general)

这使你能够根据组合分数对候选人进行排名。但更重要的是，它让你清楚地看到最终分数是如何计算出来的。如果排名最高的候选人不符合你的期望，你可以调整权重以找到正确的平衡。