用途：为 Databricks skills 建立测试与评估框架，支持编写测试用例、运行技能评估、对比技能版本，以及通过交互方式改进技能。评估以 YAML 为先，并包含人工审核环节。
主要能力：提供 /skill-test 交互式命令行，可在 Databricks 上真实执行技能。子命令包括 run（按 ground truth 运行评估，默认）、regression（与基线对比）、init（为新技能初始化测试脚手架）、add（交互式：提示 -> 调用技能 -> 测试 -> 保存，可加 --trace）、review（交互式审核待定候选，--batch 批量通过）、baseline（将当前结果保存为回归基线）、mlflow（使用 LLM 评判器运行完整 MLflow 评估）、trace-eval（按技能预期评估 trace）、list-traces（列出 MLflow 或本地可用的 trace）、scorers 与 scorers update（列出或增删评分器、更新默认准则）、sync（将 YAML 同步到 Unity Catalog，属第二阶段）。
使用方式：先安装测试依赖 uv pip install -e .test/；涉及 Databricks MLflow 时设置 DATABRICKS_CONFIG_PROFILE、MLFLOW_TRACKING_URI=dabricks、MLFLOW_EXPERIMENT_NAME。基本命令为 /skill-test <skill-name> [subcommand]；各子命令对应 .test/scripts/ 下的脚本，可用 uv run python .test/scripts/{subcommand}.py {skill_name} [options] 运行，脚本支持 --help。init 会读取技能的 SKILL.md，创建 manifest.yaml、空的 ground_truth.yaml 与 candidates.yaml 模板，并推荐测试提示词。调用命令前需创建带 MCP 工具的 CLIContext。
文件位置：ground truth、candidates、manifest 存放于 {repo_root}/.test/skills/{skill-name}/，路由测试位于 .test/skills/_routing/ground_truth.yaml，基线位于 .test/baselines/{skill-name}/baseline.yaml。测试文件位于仓库根目录，而非技能目录内。
适用场景：为 Databricks skills 构建测试用例、运行评估、比较版本、审核候选用例以及基于 trace 的质量分析。
限制：资料未提供具体评分器清单、YAML 完整 schema、Python API 细节与工作流示例的展开内容，相关细节需查阅对应参考文档；sync 功能标注为第二阶段。