用途：该技能指导智能体使用 Google Evalbench 架构，对已生成的 ContextSet 与指定黄金真值数据集进行严格评估，组织评估实验并执行相关二进制程序。
输入要求：需要位于工作区根目录的 tools.yaml（含目标数据库连接信息）、绝对路径的黄金评估数据集（简化的用户可见格式：JSON 列表，每项含 id、database、nlq、golden_sql），以及 context_set_id（可从 GCP Database Studio 控制台获取）。
主要流程：1）扫描 autoctx/experiments/ 选择或新建实验文件夹，并将选择记录到 autoctx/state.md；若无实验文件夹，需让用户选择引导基础上下文或使用已有上下文，已有上下文须上传 GCP Database Studio 获取 context_set_id。2）收集 golden_dataset_path 和 context_set_id，并读取 autoctx/tools.yaml 列出支持的 source 数据库供选择。3）使用 generate_evalbench_configs MCP 工具生成配置，配置写入 eval_configs/ 目录。4）在根目录执行：uvx google-evalbench --experiment_config=autoctx/experiments/<experiment_name>/eval_configs/run_config.yaml，检查报告是否生成到 eval_reports/。完成后确认评分并给出指标 CSV 位置与后续改进建议。
限制：不支持的类型或工具失败需分析重试，内部系统错误应停止并告知用户；不得自行编造配置。