用途：为已存在的技能生成 arc-skill-eval 测试套件，产出目标技能目录下的 evals/evals.json 以及 evals/files/ 下的测试 fixtures，让作者能证明技能可用。格式参考 docs/evals-json-pivot.md 与 src/evals/types.ts。
主要流程分五阶段，每个阶段边界需停下与用户确认：第一阶段定位并概括目标技能（默认最近的含 SKILL.md 的祖先目录），读取 SKILL.md 提取名称、描述、编号步骤、期望调用的工具与涉及文件；第二阶段预先定义成功标准（结果、过程、风格、效率四个维度），仅对这些内容写断言；第三阶段起草 10–15 个精简用例，覆盖触发类（3–5，含显式、隐式正向、相邻否定）、执行类（1–3，含 fixture 黄金路径与备选路径）、边界/否定类（1–2）；第四阶段按优先级叠加断言，先脚本断言（file-exists、regex-match、json-valid），再用字符串断言（LLM 判定），每用例 2–5 条；第五阶段写文件、固定模型、校验、试运行并总结。
使用方式：写入并美化 evals/evals.json（2 空格缩进），创建 fixtures，运行 arc-skill-eval validate <skillDir> 与 arc-skill-eval run <skillDir> --case <first-routing-case-id> 试运行。evals.json 无顶层 model 字段，若全局默认模型有配额上限，建议在 CLI 层设 judgeModel 或更新 ~/.pi/agent/settings.json。注意：MVP 阶段 validate 走旧校验路径，对仅含 evals.json 的技能可能为空操作；live-smoke 用例暂不支持，需以 NOTE 注释标注；勿写入 node_modules、构建产物或真实凭据；id 用小写 kebab-case 或数字，不含斜杠与空白。资料未提供更详细的安装、价格或平台信息。