用途：对任意 Agent 技能执行端到端审计，从结构完整性到实际功能表现，输出统一评分与优化建议。适用于 Manus、OpenClaw/ClawHub、Claude、LobeHub 或自定义 SKILL.md 技能。
审计流程共 8 步：第一步技能否决（硬门，检查运营稳定性、结构一致性、结果确定性、系统安全四项红线，任一失败即拒绝）；第二步基础评估（25 项标准，100 分，参考 ISO 25010、OpenSSF 等）；第三步分类与执行模式检测（分 5 类，并识别 Direct/CLI/API/Hybrid 执行模式）；第四步按复杂度生成 3、5 或 7 条测试输入；第五步按检测到的模式执行测试；第六步多层评估，含基础评分（每输出 /40）、类别专用评分（/60）与断言检查，并对第 1–4 类运行研究否决硬门（科学诚信、实践边界、方法基线、代码可用性）；第七步生成 .md 人工复核视图并收集每输入得分；第八步输出最终分数与 P0/P1/P2 优化建议，并生成 eval_report_<n>_result.json。
最终分数 = 静态分数 × 0.4 + 执行均分 × 0.6。评分分级：85–100 生产就绪，75–84 受限发布，60–74 仅限 Beta，低于 60 拒绝部署。两道硬门不可跳过；即使触发否决，仍会产出修正后的结果。
限制：所有审计输出必须使用英文，无论用户或技能使用何种语言；第二步、第四步及评估细节依赖 references 目录下的参考文件（basic_veto.md、basic_evaluation.md、classification.md、specialized_evaluation_*.md、scientific_veto.md、scoring_rubric.md），具体评分细则暂未提供完整内容。