用途：自动化检索并多智能体对比 GCS 上的 nightly 评估运行，诊断系统级指南健康度、任务漂移和过度规定指南。
主要能力：跨 Claude Code、Codex CLI、Jetski CLI 三种智能体对比结果，发现与智能体无关的模式；审计指南发现（漏用或过度检索）；按阈值标记任务；输出可供下游自动化消费的 Markdown 与 JSON 产物。
标记标准：MISSING_EXPECTED_GUIDE（三次中两次缺失预期指南）、TOO_MANY_GUIDES_CONSUMED（三次中两次消耗 3 个及以上指南）、LOW_GUIDED_PASS_RATE（三次引导通过率均低于 75%）、HIGH_UNGUIDED_PASS_RATE（三次无引导通过率均达 70% 及以上）。
使用方式：先列出 GCS 套件 gcloud storage ls gs://guidance-evals/，按智能体分组选最新时间戳文件夹；用 gcloud storage rsync 同步到 harness/results/<folder_name>（排除 zip 与 png）；运行 node --experimental-strip-types .agents/skills/nightly-eval-investigation/scripts/investigate.ts 生成报告与上下文 JSON；再对每个被标记任务做定性深挖，写入报告；最后告知用户可手动运行 node --experimental-strip-types .agents/skills/nightly-eval-investigation/scripts/publish_report.ts 发布 GitHub issue。
限制：严格只读诊断，禁止修改 guides/ 下任何文件；建议只能写入报告；必须完成所有被标记任务；未触发标记的标题需省略；不得自行执行发布脚本或创建 GitHub issue。