用途：把用户描述的目标转化为可评分的行为评测，先在开发集上完成评分与缺口修复，再做留出集验证，最后产出可执行的 CI 方案。使用场景是用户要求“evaluate this agent”或需要证明某智能体行为正确。
工作方式：本技能以十二阶段连续循环内联运行，每阶段工艺存放在各自的 references/ 指南中，到达该阶段时加载，不得自行发挥；结果、分数与通过判定只能由 eval-quality 自带 CLI 计算，不得自行推算。阶段依次为：Inspection（检查目标类型）、Intake（采集行为需求与约束，需用户确认）、Corpus（设计探测语料）、Contract（编写行为评测契约）、Oracles（设计预言机与评分标准）、Adapters（搭建执行目标注册表与适配器）、Evaluator（选择或构建评测层）、Mutation（应用并回滚受控变异）、Harness（搭建运行器与评分策略）、Run（运行干净与变异两臂并打分）、Gaps（解读弱结果并修复缺口）、CI（检查仓库、分层放置检查，写 ci/evaluation-ci-plan.json 交给 bmad-testarch-framework）。
激活流程：运行 resolve_customization.py 解析 workflow 块，执行 prepend 步骤、加载持久事实、用 resolve_config.py 读取 core 与 modules.tea 配置；若缺少 _bmad/config.toml 或没有 modules.tea 表，提示用户先运行 bmad setup tea 并停止；随后用 communication_language 问候 user_name，再执行 append 步骤。
关键约束：Stage 3 前需用户确认，并比对 requirements.digest 与 eval-quality digestBytes；seal 成功后复制 .gitignore；对采用方安装执行 npm exec --prefix {tea_evaluations_folder} -- tea-evaluate digest/check/preflight 等命令，对 TeA 自身包则在仓库根运行 node cli/evaluate.js 对应子命令，并配合 eval-quality compile/seal；遇到非零退出即停止并报告命令、退出码与 stderr；preflight 仅在声明 partitionPlan 时必带 --partition，留出集 preflight 只在开发评审后进行。最多十二阶段，完成时按需执行 workflow.on_complete。
限制：收费、价格、平台与效果等资料暂未提供；具体命令需按安装方式替换占位路径。