用途：在 Opik 测试套件上运行候选实验并与基线逐条对比，回答哪些用例回归、哪些被修复、各指标增量、最差行、运行是否可比，并生成对比视图链接。仅做对比，不下发布结论（发布判断属于 /opik-verify）。
入口：/opik-compare <suite>（把当前运行作为候选，对比最近一次先前运行）、/opik-compare <experiment-A> <experiment-B>（只读两个已有运行，不新跑）、或在 /opik-test 之后直接调用。
主要能力：解析套件与基线；为代码候选构建任务适配器（从条目描述中的 Entrypoint 找到函数并包装）；提示词候选走服务端 execute_experiment；用 opik.run_tests 运行候选；从 Opik 读回两个运行（SDK 优先，连接 MCP 时辅助），逐条 join；按顺序报告可比性、回归、修复、各指标均值与通过率增量、最差行、应用还是评审导致、成本与质量、波动用例、趋势；用两个 id 生成对比链接。
用法要点：运行器写成仓库外的临时文件，绝不写入或提交到代码库；不修改应用代码；只改变被测对象，套件版本、评审模型、每项运行次数保持一致；generate_report=False 避免在 cwd 生成报告目录。
限制与阻塞：缺少 Opik 配置、套件不存在、条目未指明入口、缺少提供方凭据、评审凭据缺失（表现为 scoring_failed 与 Missing credentials，应视为阻塞而非回归）、实验尚无条目时，停在最早阻塞并只给一个下一步。不读控制台输出而读 Opik；不在不同套件版本或评审模型间直接比较而不说明；不报聚合分数而不点名翻转用例；不给出发布结论。若未安装 opik 技能，应说明并参考官方文档。