用途：CodeArena 评测 skill 用于对比评测同一需求（或同一代码仓多个分支）的多个代码实现并按两套独立 rubric 打分：通用 Basic /100 + 本轮需求 Round /100，各含最高 +10 动态加分，最终产出中英双语报告。触发场景包括开始一轮评测、对比同一需求下多个实现、对比一个仓库多个分支、按 basic + round rubric 打分，以及跑 API/视觉/SAST/架构/治理/覆盖率评测。
主要能力：skill 内含完整标准、用例、模板与探测脚本。必读资源包括 references/EVAL_STANDARDS.md（权威标准，评测前先读）、references/basic_eval_cases.md（静态 Basic rubric：B1 安全 30 / B2 视觉 18 / B3 代码质量 30 / B4 治理 10 / B5 测试覆盖率 12）、references/report_template.md（三段式报告模板，中英同构）、references/scoring_overview.md、references/example_round_eval_cases.md。scripts/ 提供通用库 lib/（http/ui/端口探测）、每轮生成用的 templates/、截图工具 cap.mjs、工具就绪检查 check-tools.sh 与安装 setup-tools.sh。
使用方式：每轮必须按序执行。先做工具就绪检查：bash scripts/check-tools.sh，缺失用 bash scripts/check-tools.sh --install 安装。再选目标与命名，一个目标 =（仓库, 分支），至少两个目标，分支未给则用当前分支，记入 EvalSets/<round>/<round>_targets.md。逐字记录原始 prompt 到 EvalSets/<round>/<round>_raw_prompt.md；若用户未给评测项目/目标或原始 prompt，先索取，绝不猜测。随后据 prompt 生成 <round>_eval_cases.md 交用户确认，过范围闸、起隔离临时副本，先跑 Basic 用例再跑 Round 用例，证据保留在 EvalSets/<round>/evidence/，最后按模板写 <round>_test_report.md 与 _cn.md。测试 harness 每轮从 templates/ 生成，填入契约、逐条断言、UI 流程、截图清单，每条可追溯到一个 eval-case，不得留通用占位。安装示例：chmod +x scripts/setup-tools.sh && ./scripts/setup-tools.sh；npx skills add https://github.com/microsoft/playwright-cli --skill playwright-cli；git clone --depth 1 https://github.com/semgrep/semgrep-rules.git。运行示例：node scripts/detect-ports.mjs <projectDir>；PROJECT_DIR=<projectDir> EVID_DIR=EvalSets/<round>/evidence node EvalSets/<round>/evidence/harness/api_test.mjs <project>；PW_EXEC=<chromium> EVID_DIR=EvalSets/<round>/evidence/ui FE_BASE=http://localhost:<feport> node EvalSets/<round>/evidence/harness/ui_test.mjs <project>；semgrep --config <semgrep-rules>/javascript --config scripts/sast-rules.yaml --json。
硬性规则：范围按目标解析出的文件集并先过范围闸；两个 rubric 各恰 100 分、各带独立动态加分（最高 +10）；同一问题/能力只计一次，不重复计算；每轮完全独立，不与历史轮对比，唯一例外是 B3d-2 兼容性可用 git 对比同仓前一版本；功能/安全/UX 分数来自评估方自研探测，项目自带测试仅计入 R4 测试域；每个交付件出英文与中文两份，evidence/ 不翻译；报告三段式且不设修复建议章节。并发目标须错开端口，完成后清理进程与 git worktree。
适用场景与限制：适合需要多实现横向对比、按统一标准打分并出双语报告的评测任务。限制包括：沙箱对 GitHub release 二进制常返回 403，官方 Semgrep 规则须每轮 git clone 现取，不内置副本；当前 rubric 不含 DAST，故不安装 OWASP ZAP / Dependency-Check；工具安装与脚本细节以 skill 内文档为准。具体收费、价格与平台信息暂未提供。