用途：引导贡献者在 SkillsBench 中创建评测任务，从提案到提交，最终产出 tasks/<task-id>/ 目录（bench tasks check 能通过）和符合模板的 PR 说明。
工作流：1 propose 写四要素提案对照 rubric；2 scaffold 用 bench tasks init 生成骨架；3 task.md 手写面向结果的提示，含 frontmatter；4 environment 基于 Dockerfile 模板，预建 /app 与 home，不烘焙 skills；5 tests 写 4–10 个测试函数，参数化覆盖批量；6 oracle 手写参考解，需自包含；7 skills 提供 2–3 个可泛化技能；8 validate 用 bench tasks check 和 oracle 评测须达 1.0；9 self-review 调用 task-review 技能；10 agent runs 用 Opus/latest Codex 在有无 skills 下运行；11 submit 提交 PR。
关键命令保持原样：bench tasks init <task-id>；bench tasks check tasks/<task-id>；bench eval run --tasks-dir tasks/<task-id> --agent oracle --sandbox docker --jobs-dir jobs/<task-id>-oracle。
限制与常见拒绝原因：提示不可由 AI 生成，须手写；有真实数据时不用合成数据；测试期望值须来自 solve.sh 或独立重算，不可硬编码；验证器不得依赖实时外部 API；技能须可泛化；测试不宜过密（约 10–20 个参数化用例）；提示勿冗长过细；避免旧式 Dockerfile 模式（WORKDIR /root、test.sh 里 pip install pytest-json-ctrf、COPY skills /root/.codex/skills）。时间敏感答案要锚定快照日期。其他具体要求暂未提供。