综合分是三个子分数的加权平均。没有置信度乘数。没有隐藏惩罚。分数标签弹窗展示的就是实际计算。

mindberScore = round(
  innovationIndex × 0.40
  + functionalityScore × 0.50
  + activityScore × 0.10
, 1)

当缺少一个子分数时，缺失输入的权重会按比例分配到另外两个输入。三个输入齐全时置信度为 high；只有两个输入时为 medium。少于两个可评分输入时不展示 Mindber Score（insufficient），页面显示“Score pending”。

缺少一个输入时的备用权重

• 无活跃度 → 创新 44% · 功能性 56%
• 无创新 → 功能性 83% · 活跃度 17%
• 无功能性 → 创新 80% · 活跃度 20%

置信度状态

• High - 三个子分数全部存在，使用默认 40/50/10 权重。
• Medium - 三个子分数中有两个存在，使用上方备用权重。
• Insufficient - 少于两个输入，不展示 Mindber Score。

分数区间解读

区间是绝对口径，不随分类变化。下方的分类百分位会单独说明该产品在同类产品中的位置。

创新指数由三个 0-10 分子项平均得出：新颖性、差异化、概念清晰度。

innovationIndex = round((novelty + differentiation + conceptClarity) / 3, 1)

• 新颖性 - 核心概念相对分类基线有多独特。由 LLM 推断，并以该分类前三个工具和常见功能为依据。
• 差异化 - 该产品拥有、但至少 50% 分类同行缺失的功能数量。按 min(10, unique × 1.5) 缩放到 0-10。
• 概念清晰度 - 仅从标语和描述看，价值主张是否清晰明确。

功能性分数是四个子项的置信度加权平均。功能广度和性能可靠性由抓取数据确定性计算，不使用 LLM；另外两个子项由 LLM 推断。

functionalityScore = Σ(score × baseWeight × confidence) / Σ(baseWeight × confidence)

基础权重：广度 0.25 · 深度 0.30 · 集成 0.20 · 性能 0.25。置信度加权意味着证据薄的子项权重更低，证据充分的子项权重更高。

• 功能广度（确定性）：来自抓取器的功能数量。分数 = min(10, round(log2(count + 1) × 2))。
• 功能深度（LLM）：核心功能相对分类领先产品的质量，并引用具体命名功能。
• 集成面（LLM，有限制）：公开 API、Webhook 和原生集成证据。没有抓取到集成数据时，默认中性分 5，置信度不高于 0.4。
• 性能可靠性（确定性）：由网站活跃度和首页响应时间计算：0.7 × (livenessScore / 10) + 0.3 × responseTimeScore。

Mindber 活跃度分数把实时公开活跃度检查转换为与综合分相同的 0-10 量表。它反映公开来源中的更新频率和可用性信号，不代表产品质量或公司健康。

底层 0-100 活跃度分数记录在 活跃度方法论。

单独看一个分数意义有限；拥挤分类中的 7.3 和深度分类中的 7.3 不一样。我们计算每个分类的分布（中位数、p25、p50、p75、p90），并把最终分数归入五个标签之一：

• ≥ p90前 10%
• ≥ p75前 25%
• ≥ p50高于中位数
• ≥ p25低于中位数
• < p25后 25%

只有当分类中至少有 10 个已评分产品时，才会发布基线；低于该阈值时，百分位显示为未排名。

• 完整基线（中位数/p25/p75/p90）每周刷新一次。分类中位数移动超过 1.0 分会触发漂移提醒。
• 百分位标签每日刷新。原始产品分数保持不变，只有桶标签更新。
• 产品分数会在抓取输入变化（名称、标语、描述、分类、候选替代品）或评分方法升级时重新生成。

• 每句 LLM 生成的说明都必须引用具体功能、使用场景或基线数据点；禁止营销形容词。
• 每条 rationale 都会经过禁用词安全过滤；违规文本会被置空，而不是重试生成。
• 任何子分低于 4/10、综合置信度低于 0.6，或触发安全过滤的记录，发布前都会进入管理员审核。
• 分数只在分类内比较，不作绝对判断。“低于中位数”是事实描述；我们不会使用“差”这类词。