用途：为技能、智能体、工具仓库或 RAG/检索流水线判断是否需要自动化评估，并搭建可维护的最小评估骨架。
主要能力：提供 ASSESS（只读评估并推荐框架或建议不评估）、SCAFFOLD（按批准框架搭建骨架）、AUDIT（对已有 evals/ 目录做衰减检查）、EXTEND（为已有评估添加指标与夹具）四种模式。默认优先确定性检查（解析器、编译器、schema、测试运行），LLM 评审需显式启用；阈值先记录基线再设定；金标准由实时 schema 生成而非手写。
使用方式：先检测目标类型（含 SKILL.md 为 skill，含包清单的仓库为 tool-repo），再按意图选择模式。评估时读取目标并运行可验证性门控，推荐框架并给出理由与 token 成本估算，设计测试矩阵后等待批准；批准后复制模板、生成最小骨架、接入构建并交接校准说明。
适用场景：为技能或 RAG 流水线添加评估、审计已有评估、扩展指标。限制：工具仓库支持仅面向 RAG/检索流水线，其他类型只推荐并交接；无法从文件反推流水线，需与开发者确认阶段与调用方式；RAG 金标准必须人工整理；不评估主观审美输出，建议人工评审清单。