用途：量化激活的 AI 技能对实现质量的改善幅度，产出按优先级排列的合规增量与技能适用性报告。
主要能力：
- 识别技术栈与 AGENTS.md 中激活的技能。
- 自动选取一个包含遗留反模式的“陷阱”文件，按严重度排序：P0 为硬编码密钥、UI 组件内写业务逻辑；P1 为错误路由模式、用全局状态处理局部关注点、缺少设计 token；P2 为用户可见字符串未经 i18n。
- 以 evals/evals.json 为评分卡来源，而非硬编码模式；为失败模式与成功模式生成列，重构文件时逐项引用对应技能规则。
- 输出评分卡与合规分数（前 vs 后）、Δ 增量百分比以及评估对齐度。
- 对每个失败项用迭代表定位根因：信号不匹配则细化触发条件，规则过模糊则补充反模式规则，冲突则确保 P0 优先于 P1；并建议 .skillsrc 排除项。
使用方式：当用户要求执行该工作流时按步骤运行。示例命令包括：find src -name ".ts" -o -name ".tsx" | xargs wc -l 2>/dev/null | sort -rn | head -20 以及 cat AGENTS.md | head -80。评分模板引用 <SKILLS>/common/common-skill-creator/references/benchmark.md（需同步）。
适用场景：评估技能库在具体项目中的实际收益，发现技能规则与评估用例之间的偏差，并据此迭代技能定义。
限制：部分步骤依赖已同步的 benchmark.md 与 evals/evals.json，资料未提供这些文件的具体内容；具体评分公式与阈值暂未提供。