用途：该技能面向仓库维护工作流，用于执行和发布评测基准，不是面向用户的 Graphistry 领域技能。适用场景包括：跨 journeys 运行评测扫描（技能压力、persona、guardrails 等）；验证基线隔离（skills=off 时不得读取技能文件）；生成可公开的安全基准报告；用新基准数据更新 README.md；为基准发布创建 CHANGELOG.md 条目；以及 Git 版本打标签（semver vX.Y.Z）。
主要能力与验收标准：扫描需在无基线污染下完成，可通过日志检查确认；通过率计算使用 pass_bool；报告需公开安全（源路径脱敏）；README.md 与 benchmarks/README.md 需更新新数据；CHANGELOG.md 需有对应条目；合并后创建 Git 标签。关键指标：pass_bool（官方通过/失败指标，确定性检查）、Delta（skills=on 通过率减去 skills=off 通过率，单位为百分点）、Latency（平均响应时间，秒）。
使用方式：前置条件为 PATH 中有 codex、claude、jq，已配置 ~/.codex 与 ~/.claude 认证，并在仓库根目录 graphistry-skills/ 下工作。步骤：1) 运行评测扫描，命令为 ./bin/agent.sh --codex --claude --journeys all --skills-mode both --skills-delivery native --max-workers 2 --out "$OUT"；2) 校验基线隔离，用 grep -l "SKILL.md" "$OUT"/raw/skills_off 判断是否污染；3) 生成公开安全报告，命令为 python3 scripts/benchmarks/make_report.py --public-safe --rows "$OUT/rows.jsonl" --title "Eval Sweep $(date +%Y-%m-%d)" --out-md benchmarks/reports/$(date +%Y-%m-%d)-sweep.md --out-json benchmarks/data/$(date +%Y-%m-%d)-sweep/combined_metrics.json；4) 生成 README 片段，命令为 python3 scripts/benchmarks/readme_snippet.py --rows "$OUT/rows.jsonl" --title "Fresh eval sweep"；5) 更新 README.md、benchmarks/README.md 与 CHANGELOG.md；6) PR 合并后执行 git fetch origin main && git checkout main && git pull、git tag -a vX.Y.Z -m "Release vX.Y.Z: <summary>"、git push origin vX.Y.Z。
限制与注意事项：不得将原始 rows.jsonl（含完整提示与响应文本）、manifest.json、otel_ids.json 或原始日志提交入库；入库报告必须使用 --public-safe；官方指标使用 pass_bool，而非 score 阈值；发布前必须验证基线隔离。相关技能：eval-otel（OTel 追踪校验与检查）、plan（多会话任务规划）、release（semver 升级、变更日志、标签与 GitHub 发布流程）。