用途：通过植入已知的、游戏特有的语义缺陷，测量测试套件或智能体工作流实际能捕获多少缺陷。没有植入缺陷时，绿色结果无法区分“未发现缺陷”与“未寻找缺陷”。
主要能力：提供按家族划分的变异算子目录（references/mutation-families.md），覆盖时序/顺序、身份与生命周期、计分与经济、持久化/存档、RNG/确定性、输入等语义缺陷；要求先写清单条目（references/mutant-manifest.md）再应用算子，每个变异体作为独立完整文件输出，不得用标志、分支或注释标记改动；需筛查等价变异体并单独处理；冻结注入方法、清单格式与通过标准后方可运行评估。
使用方式：先选定测量目标（套件检测、工作流修复、有无对比、过度修复控制），再按目标执行对应设置。套件检测直接运行现有套件；工作流修复需隐藏清单与参考差异并在隔离环境调查；有无对比需保持智能体条件、提示、工具与任务集匹配；过度修复控制需提供行为干净且呈现方式相同的对照。信息隔离要求每个评估在独立会话中进行，每个变异体一个环境，工作副本不得包含清单、参考差异或其他变异体。
适用场景：在信任从未用已知坏输入测量过的套件或工作流之前；比较两套指令并区分真实差异与噪声；构建可重复使用的评估夹具集。
限制：不用于在真实构建中寻找未知缺陷、不用于修复、不用于平衡或难度调优，也不能单独作为质量指标。变异分数既取决于变异体集，也取决于套件。等价变异体不得计入通过/失败池。工作流实验中变异体对每个评估者单次使用。捆绑夹具需阅读 references/bundled-fixture-manual.md，其评分轨迹、检查器与清单为答案材料，不得暴露给评估者。