Meta Eval 是评估技能集合的入口路由，本身不执行评估，而是诊断用户现状并路由到合适的子技能。每个子技能自包含，可独立安装使用。
用途：帮助不知道从何开始构建 LLM/智能体评估系统的用户，根据其拥有的数据、人工标签、风险级别和领域知识，推荐一个工作流作为下一步。
主要能力：
- 提出四个诊断问题：数据（智能体轨迹/生产日志、产品规格/设计文档、无）、人工标签（≥50、少于50、无）、风险（低、生产、受监管）、领域知识（很清楚、有些、不清楚）。
- 使用分诊表将用户场景映射到子技能：有轨迹/生产日志→01-eval-design；有原则但需测试数据→01-eval-design；有原则但不知选哪个评分器→02-metric-design；改了提示词是否更好→06-prompt-regression（需已有基线和候选输出对）；有RAG系统→05-rag-eval；有评委和标签想检查准确率→03-align-human；安全/安全测试→07-redteam；运行多个技能后要综合报告→04-eval-report；从零开始→08-bootstrap。
- 给出诊断摘要、推荐工作流、理由、该工作流输出，以及如何细化路径。
- 遵循标准生命周期：00-meta-eval→入口（01-eval-design或08-bootstrap）→02-metric-design→运行评估→03-align-human（需≥50人工标签）→场景模块→04-eval-report。
- 强制前提规则：06-prompt-regression需已有配对输出；生产/受监管场景必须有≥50人工标签并运行03-align-human校准，否则不能称为生产就绪。
- 识别并避免常见错误（如对有数据的用户推荐bootstrap、跳过风险问题、过早推荐指标设计等）。
使用方式：用户描述场景后，技能会一次性提出四个问题（或根据已有信息直接给出临时推荐并同时追问剩余问题），然后输出诊断和推荐。用户按推荐进入对应子技能工作流。子技能是本地工作流（位于skills/eval_pipeline/下），不是安装包，使用即打开并遵循该子技能。
适用场景：需要为LLM/智能体应用构建评估体系、但不确定从哪一步开始的团队或个人；已有部分数据或标签、需要确定下一步评估动作的场景。
限制：不直接运行评估（由子技能执行）；不覆盖持续生产监控（属MLOps领域）、带版本公开发布的基准排行榜、嵌入智能体框架的实时信号栈；若用户场景不在分诊表中，会说明未覆盖并建议提issue。