用途：当用户要求向评测套件（eval suite）添加新 AI 模型时，按步骤完成配置与基线数据采集。
主要能力与步骤：
- 收集信息：模型标识（OpenRouter 风格名称，如 anthropic/claude-opus-4.6）、可读名称、提供商家族与版本、apiKind（仅 OpenAI Codex/Responses-API 模型需设为 "responses"）。不确定时可参考 runner/models/index.ts 中同家族现有模型的配置。
- 在 runner/models/index.ts 的 ALL_MODELS 数组新增条目，放在同家族条目旁并遵循分组注释，模板为包含 name、formattedName 及可选 apiKind 的对象。
- 更新 .github/workflows/manual_evals.yml，将 matrix.model 列表整体替换为仅新模型，该工作流仅用于收集新模型的基线数据。
- 运行 bun run typecheck 验证无类型错误。
- 本地冒烟测试：使用 MODELS=<new-model-name> TEST_FILTER="000-fundamentals/000" bun run local:run，可选再跑 000-fundamentals/001；关注是否出现认证或模型未找到错误，是否产生分数；出现 API/认证错误应停止并修正模型 ID 或检查 .env。
- 提交推送：git add runner/models/index.ts .github/workflows/manual_evals.yml；git commit -m "add <model-name>; demote older <family> versions"；git push origin main。
- 触发基线运行：gh workflow run manual_evals.yml --ref main 执行 3 次，间隔约 5 秒。
- 监控至完成：每约 2 分钟用 gh run list --workflow=manual_evals.yml --limit=6 轮询，运行通常 20-30 分钟；失败时用 gh run view <run-id> --log-failed 排查，结束后向用户报告 3 次运行的最终状态。
限制：资料仅提供上述流程与命令，未说明适用平台细节、成本或额外收益；apiKind 仅对特定模型设置；需保证 API 密钥与 .env 配置可用。