多轮评审评估技能（multi-shot-review-eval）用于评估来自实时评审会话的多轮评审 A/B 测试。其核心流程是：运行确定性统计包，将结果发送给两个独立分析师模型，然后综合出带有理由的置信度建议，最终由用户决策。
主要能力包括：运行统计脚本 eval_stats.py 生成统计结果；选择或配置两个来自不同供应商的分析师模型（通过配置文件或运行时选择）；使用 agreement.py 检查分析师输出的契约一致性；生成 synthesis.json 为每个非基线实验组给出建议（promote/drop/keep_testing/new_variant）；生成仪表盘 dashboard.html 和报告 report.md；记录用户决策并累积采纳收益。
使用方式：设置 SKILL_DIR 并运行 eval_stats.py，根据退出码处理错误或价格缺失；配置分析师通过 multi-shot-review.toml 中的 [eval] analysts 表；分析师以并行方式启动，按指定路由（原生子代理工具、T3 delegate_task 或无头 CLI）调用，答案保存为 analysts/<analyst>.json；运行 agreement.py 校验；编写 synthesis.json 并运行 render_dashboard.py；根据报告模板撰写 report.md；最后通过 eval_stats.py --record-decision 记录决策。
适用场景：需要对 A/B 测试进行细致统计评估并引入独立模型分析建议的评审流程。限制：技能本身不指定模型，模型选择和价格需外部配置或研究；分析师必须来自不同供应商；若所有分析师失败则停止；价格缺失时可使用 --allow-unpriced 或进行价格研究。