用途：对 AI 生成的文本、代码、研究或政策类输出进行结构化评估，用可测量标准给出分数与改进建议，而非只凭主观印象。
主要能力包括四种评估类型：评分表法按 3-7 个维度逐项打分并说明理由（1-5 分）；成对比较法对同一输出的两个版本逐维度判定胜者并给出总胜者；检查清单法按必需要素逐项是/否判定，达到阈值（如 8/10）即通过；红队审查法交由 thinking-redteam 技能执行，若“中等及以上”弱点少于 3 个则通过。
内置领域评分表：Chronicle 维度含声音保真度、反 AI 模式、叙事弧、具体性、结尾；Memo（政策简报）含行政语气、证据基础、结构清晰度、建议锐度、受众适配；Academic 含 IMRAD 规范性、来源批判、论证链、术语精确性、原创贡献；OSINT 含来源可信度、验证轨迹、威胁行为者视角、网络深度、安全风险处理。各维度均按 1-5 分评分，具体分级描述在资料中部分标注为省略。
使用方式：按固定输出格式给出“## Eval: 输出名称”，标明所用评分表（chronicle/memo/academic/OSINT/custom），用表格列出维度、分数与理由，给出总分 X/Y，再列前三项改进点与通过/未通过结论（达到给定阈值，或超过 70% 视为通过）。在 ALGORITHM 模式的 VERIFY 阶段可自动对产出运行评分表，低于阈值则迭代，用户可看到评估结果。
限制：资料未提供安装命令、URL 外的调用接口、具体阈值配置方法或价格信息，暂未提供；部分评分维度分级的完整描述也未给出。