用途：在本地对提示词进行评测，由 IDE 智能体充当执行载体，无需外部工具、API 或 CI。适用于评估提示词、运行快速评测文件、与基线对比检测回归、获取评分卡。
主要能力：支持两种模式。套件模式（Suite mode）走完整的 spec/dataset/evaluator/suite 流程，适合结构化、可复用的测试套件；快速评测模式（Quick eval mode）使用 promptops/evals/ 下的单个 YAML 文件，合并提示词、用例与内联断言，适合冒烟测试和快速迭代。评测流程为：套件→数据集（用例）→逐用例渲染模板、调用模型、评分、记录结果→聚合成评分卡→与基线对比→生成回归报告。
使用方式：套件模式需读取 promptops/suites/<suite-id>.yaml，加载数据集（promptops/datasets/<id>.jsonl）、评估器（promptops/evaluators/<id>.yaml）和提示词 spec（promptops/prompts/<id>.yaml），逐用例渲染 {{variable}} 占位符、调用模型、按评估器与内联断言评分，聚合归一化指标，检查阈值，与 derived-index/baselines/<suite-id>.json 基线及 promptops/policies/regression.yaml 回归策略对比，最后将结果写入 promptops/runs/<run-id>/（scorecard.json、cases.jsonl、run_manifest.json）。快速评测模式读取 promptops/evals/<eval-id>.yaml，逐用例渲染、调用、应用断言并报告通过率。
断言类型：确定性断言包括 equals、contains、icontains、contains-any、contains-all、regex、starts-with、is-json、contains-json、is-valid-json-schema；模型辅助断言包括 similar、llm-rubric、factuality、answer-relevance；性能断言包括 latency、cost。任意断言可加 not- 前缀取反。
适用场景与限制：适合提示词回归检测、冒烟测试、结构化测试套件。资料未提供具体收费、价格、平台支持范围等信息。评测依赖本地文件结构与 IDE 智能体环境，harness 标识需记录执行环境（如 claude-code、cursor、api 等）。