用途：对单个技能包运行冻结的行为与触发语料评估，生成可对比、带回执的证据，同时不改动被评估的实现。
主要能力：支持行为评估、触发评估或全部评估三种模式；支持基线引用或基线路径对比；默认运行 3 次，可设为 1 至 10 次；通过校验、准备、聚合与报告渲染脚本进行确定性本地证据处理，脚本不直接调用任何模型接口或网络客户端。
必要用法：调用形式为 /woostack-eval <skill-path> [--behavior | --triggers | --all] [--runs <1..10>] [--baseline-ref <git-ref> | --baseline-path <skill-dir>]。三种模式互斥，全部省略时使用 --all；--baseline-ref 与 --baseline-path 互斥。准备阶段使用 node "$EVAL_SKILL_ROOT/scripts/prepare.mjs" --target "$TARGET_SKILL" --mode "$MODE" --runs "$RUNS"，并按需附加基线参数；校验使用 node "$EVAL_SKILL_ROOT/scripts/validate.mjs" --package "$APPROVAL_PACKAGE_SNAPSHOT" --repository-root "$APPROVAL_CONTAINING_ROOT" --json。
限制：语料需经校验并显式批准摘要后才能写入或派发；比较配对不可拆分；工作者仅获得批准的工作区能力，不直接写证据；评分者上下文不获任何能力；宿主不受支持或比较隔离无法证明时，只能降级为候选单侧定性冒烟，不构成基准。未在资料中提供的平台、收费与价格信息暂未提供。