用途：用视觉 LLM 作为评审，对图片按结构化评分标准打分并对比，可用于比较 AI 生成图片、评估图像质量与文档/图表理解效果。
主要能力：内置 11 个 YAML 评分预设，覆盖 text_to_image（比较 Midjourney、DALL-E、Flux 等生成器）、photorealism、artistic_style、portrait、product_photo、document_ocr、chart_analysis、invoice、ui_screenshot、scientific、alt_text。支持单图评分与多图对比，支持多评审共识（--judges 同时指定多个模型），也支持自定义 YAML 标准（--criteria path/to/my.yaml）。评审模型来源按前缀识别：gpt-/o1/o3/o4 为 OpenAI，claude- 为 Anthropic，gemini- 为 Google，pixtral-/mistral-/ministral- 为 Mistral，openrouter/ 前缀可调用任意视觉模型。报告可输出 markdown（默认）、json 或 table，并可保存到文件。
使用方式：先安装依赖 pip install pyyaml openai anthropic mistralai。单图评分示例：python bench.py image.png --criteria photorealism --judge gemini-2.5-flash。双图对比示例：python bench.py img_a.png img_b.png --criteria text_to_image --prompt "a fox in a snowy forest" --judge gpt-4o。多评审共识可写 --judges gpt-4o gemini-2.5-flash claude-opus-4-5-20251022。查看全部预设：python bench.py --list-presets。保存报告：python bench.py img.png --criteria chart_analysis --save report.md。
密钥与文件：API 密钥从 secrets.enc.yaml（SOPS + age 加密）加载，未命中时回退到环境变量，支持 OPENAI_API_KEY、ANTHROPIC_API_KEY、GEMINI_API_KEY、OPENROUTER_API_KEY。项目文件包括 bench.py（CLI 入口）、judge.py（多提供方评审逻辑）、report.py（报告生成）、vault.py（SOPS 解密）、criteria/（11 个 YAML 预设）、.sops.yaml、secrets.enc.yaml。
限制：资料未提供费用、性能基准、评分准确度、支持平台及具体预设评分细则；实际效果取决于所选视觉模型与自定义标准。密钥需自备，