用途：在 /opik-compare 得到基线（baseline）与候选（candidate）实验数据后，按声明的发布策略给出唯一裁决：ship、hold、needs_review、insufficient_evidence 或 blocked。报告须包含准则表（准则·阈值·观测值·通过与否）、失败用例、compare 链接、策略来源和一条下一步。
主要能力与准则：策略文件为仓库根目录或 .opik/ 下的 opik-release-policy.yaml，缺失则用文档默认值并在报告中说明来源；未知键为阻断项。准则按顺序评估全部而非遇错即停：证据量（scored items ≥ min_items）、回归数（基线通过而候选未通过，受 max_regressions 限制，flaky 项按 flaky_policy 排除或计入）、安全（命中 safety_tags 的回归必 hold）、通过率、子组、延迟 p90 上限增长、单项成本上限增长；另报告配对符号检验 p 值（非门禁）。judge_validated 为 false 时裁决至多 needs_review。
使用方式：入口为 /opik-verify、/opik-verify <suite> 或 /opik-verify <baseline-id> <candidate-id>；默认读最近两次实验，可按需推断 policy、实验与 --record（默认关，写入候选实验 config）。步骤包括加载策略、解析两次运行、逐项读取、计算全部准则、按优先级决定、输出表格并仅在要求时记录。仅在真正无法推断的阻断处提问。
限制：不修改应用代码、不部署；唯一可写文件是策略文件且须用户同意；不同 dataset_version_id、项目集或判题模型的运行不可比较；聚合值刚结束可能滞后，不应以 0.0 或缺失值通过或判负；单次运行无法观测 flaky；证据不足时不得 ship。若 opik 技能未安装，报告中说明并参考 https://www.comet.com/docs/opik/。