tri-chinaroot/hclr

hclr 是什麼？

HCLR（人類認知槓桿率）是一項旨在量化與評估AI使用者（如開發者或操作者）對於模型輸出所施加影響程度的技能。其核心概念類似於財務槓桿，旨在衡量使用者輸入的認知努力（如提示工程、指令調整）與最終模型輸出品質或方向之間的比率。此技能特別適用於需要優化人機協作效率的場景，例如在Claude Code、Cursor或Codex等工具中，幫助使用者判斷何時應投入更多認知資源以主導輸出，何時應信任模型自主生成。支援多種主流AI代理平台，並透過分析使用者與模型互動的歷史記錄、提示結構與輸出結果，來計算出一個可比較的影響指數。這不僅能提升使用者對AI行為的理解，還能在團隊協作中提供客觀的決策依據，避免過度干預或放任不管的極端情況。