用途：对同一需求下的多个项目实现（不同仓库或同一仓库的多个分支）进行独立评测与对比，输出双语（英文＋中文）报告，至少需要两个目标。
主要能力：每轮针对每个实现使用两套独立量表评分，一套通用 Basic /100（B1 安全 30、B2 视觉 18、B3 代码质量 30、B4 治理 10、B5 测试覆盖 12），一套本轮需求专属 Round /100，各自另有最多 +10 动态加分。技能内置标准、量表、报告模板与探针脚本。
必要用法（按顺序）：每轮先运行 bash scripts/check-tools.sh 检查工具，缺失时用 bash scripts/check-tools.sh --install 安装；选择目标（仓库＋分支）并记录到 EvalSets/<round>/<round>_targets.md；逐字记录原始提示到 <round>_raw_prompt.md；由提示生成 <round>_eval_cases.md 并经用户确认；随后设置隔离临时副本、先跑 Basic 用例再跑 Round 用例，证据保存在 EvalSets/<round>/evidence/；最后按模板生成 _test_report.md 与 _cn.md。工具链包括 Semgrep＋官方 semgrep-rules（每轮 git clone 最新）、dependency-cruiser、ESLint＋complexity、jscpd、license-checker、cloc、Playwright＋Chromium、playwright-cli 技能，以及 npm audit；测试脚本每轮按模板生成。
限制：不重复计分；每轮独立，不与往轮对比；前后端需完整 UI 测试，仅 API 通过不足以判定；多分支并发需错开端口并在结束后清理 worktree 与进程；不得猜测目标或需求，缺失时须向用户询问；具体价格与其它平台细节暂未提供。