用途：对 AI 应用做可复现评测，基于已审查用例与已验证评分器运行，产生可靠 trace、用量核算和可续跑结果。
主要能力：运行已审查用例；复用真实应用入口与现有 runner；检查用例、标准、版本、切分、fixtures 与目标声明；配置用例数、重复次数、应用/评判设置、并发、超时与重试；试运行单用例；增量写入记录；有界并发、抖动重试、单用例时限与干净取消；区分执行错误与可评分结果；按指纹续跑；从原始记录重算聚合；提供精确重跑命令与配置；附带工件助手可校验可移植记录、检查导出、生成分组切分，但不能替代应用运行器。
使用方式：运行该技能的工作区安装器，保留既有自定义文件；托管路线在确认连接 schema 后使用具体服务操作。先准备并试运行一个已授权用例，检查实际输出、trace、评分、模型身份、时序与用量，确认未知字段未被静默置零。支持托管则用宿主后台执行并产出进度工件，不用子智能体等待 shell 命令。完成与否以保存计数为准。
限制：付费范围需事先确认，预算变更不等于继续授权；未知字段、缺失指标与截断需显式说明；部分通过不得呈现为完整运行；中断续跑仅在用例、应用、评分器与运行指纹未变时有效；报告需转义不可信文本；更多本地工具与命令见 toolkit setup，托管运行见 managed guidance。