用途：为 skills/ 下已有技能编写基于真实使用历史的评测，而非依据规格臆造。评测是自我改进闭环中缺失的一环（另两条腿是变体生成 SkillOpt 与 gbrain eval cross-modal 重放评审）。
主要能力： 一、挖掘：优先查对话档案 conversations/（依赖 conversation-archive 技能），命令如 gbrain search "<skill-name>"、gbrain query "when did I use <skill-name> and what did I ask for"；其次用可用的会话记录，如 gbrain transcripts recent --full（仅本地）。每个命中提取调用窗口：调用前的用户请求、调用本身及其后两轮（纠错常在此出现）。若所有来源均无真实调用，则输出诚实的无历史报告并停止，绝不虚构。 二、综合：产出评测契约（目标、维度、hard_fails）、4-8 个可回放用例（input、expected_behavior、failure_mode_to_catch）、规格与用法差异。每个维度与用例标注 HISTORY-IMPLIED 或 SPEC-DERIVED，历史单薄须显著警告。暂存前做人名公司脱敏改占位符。 三、暂存：写入 skills/<name>/eval/autobench-<date>.md，frontmatter 状态 PENDING-HUMAN-APPROVAL。本技能绝不改写 SKILL.md、触发词或路由面，合并由人决定。
后续流程：人工批准后将用例转为 skillopt-benchmark.jsonl，运行 gbrain skillopt <name>；评审走 gbrain eval cross-modal --task "..." --output <path>。面板完整性为纯断言逻辑（不调用模型）：每个模型响应非空、来自不同供应商端点、无字节相同输出。
失败改进分类：DETERMINISTIC-CODIFIABLE 转为确定性代码加测试；PROMPT-FIXABLE 加用例与 SkillOpt 运行；SPEC-GAP 交人工；ROUTING-MISS 走 routing-eval.jsonl。
限制：仅针对 skills/ 下已存在技能；挖掘与综合默认用低成本模型，多模型评审需显式开启；无历史时不应使用本技能，改用 gbrain skillopt <name> --bootstrap-from-skill。价格、平台支持等信息暂未提供。