用途：为仓库中的应用或提示构建一次 LLM 评估并运行，最终在 Opik 中产出一个带分数、链接和可行动分数摘要的实验。入口为 /opik-evaluate、/opik-evaluate <对象> 或 /opik-evaluate <数据集>。
主要能力：先读取真实 trace 做错误分析（client.search_traces），再选择形态——智能体/聊天机器人用测试套件（opik.run_tests），需要精确匹配或内置指标（Hallucination、AnswerRelevance、RAG ContextPrecision/ContextRecall）用数据集加 evaluate()，被测对象是提示版本时走服务端 execute_experiment。评分优先用代码指标（Equals、Contains、RegexMatch、IsJson、JsonSchemaMatch、LevenshteinRatio），再按失败模式各写一个二元判定，判定器需用人工标签校准（TPR/TNR）。
使用方式：确认 Opik 可达（~/.opik.config 或 OPIK_API_KEY），复用已有套件/数据集，用 get_or_create_test_suite 或 get_or_create_dataset 建用例并保留 source_trace_id；运行器写成仓库外的临时文件，不运行会写入、发送或花钱的生产入口；结果用 get_experiment_by_id 读回，汇总各分数均值与通过率，指出最差条目及其原因。
限制：不改动应用代码；判定器缺少 provider 密钥时不会报错，而是每项 0 分且 scoring_failed=True，需视为阻塞；创建数据集/套件时必须传 project_name，evaluate(project_name=…) 已弃用；get_experiment_by_name 已弃用。遇到阻塞只返回一个下一步。若未安装 opik 技能，应说明并参考官方文档。