用途：benchmark-assistant 是 Thinking Skills 的元技能，帮助用户实际使用基准测试运行器。它不替代 scripts/run-benchmark.js，也不自行定义领域质量，而是选择有用的基准命令、运行或准备命令、解释结果，并在需要时把失败诊断交给 skill-evaluator。
适用场景：用户说“跑一下 benchmark”“测试 content-creator”“检查 learning-coach 回归”“生成基准提示词”“给这些基准响应评分”“更新基准仪表盘”“比较最新基准运行”“把这个失败加入基准”“基准里什么失败了”“我改了某个 skill，帮我测一下”等。
不适用：用户已有具体失败响应并想要失败诊断时，直接用 skill-evaluator；用户想要完成实质任务而非基准测试时，用相关领域技能；现有运行器足够时不要新建基准框架。
必要上下文：按需读取 docs/benchmark.md、docs/benchmark-dashboard.md、scripts/run-benchmark.js、scripts/update-benchmark-dashboard.js、benchmark-runs/、相关 benchmarks/<skill>/ 用例、相关 evals/<skill>-cases.md，以及 skills/skill-evaluator/SKILL.md。
核心流程：确定目标（全部基准、单个技能目录或具体失败/新用例）；选择最轻量有用的命令；在不需要外部凭据或未知代理设置时运行命令；若未配置外部代理命令，则生成提示词或请求已保存响应，不要假装已运行基准；除非用户明确要求仅覆盖记录，否则不要把 not_run 报告写入 benchmark-runs/ 或据此更新仪表盘；如需趋势比较，从 benchmark-runs/ 更新 docs/benchmark-dashboard.md；用平实语言总结结果；出现失败时分类可能来源（路由器、领域技能、评估或基准措辞、缺少响应数据、外部代理设置）；推荐最小下一步。
常用命令：列出全部用例 node scripts/run-benchmark.js --list；列出单个技能用例 node scripts/run-benchmark.js --cases benchmarks/content-creator --list；生成提示词 node scripts/run-benchmark.js --prompts；为单个技能生成提示词 node scripts/run-benchmark.js --cases benchmarks/content-creator --prompts；评分已保存响应 node scripts/run-benchmark.js --responses benchmark-responses.json --out benchmark-runs/my-run.json；运行外部代理命令 node scripts/run-benchmark.js --command "your-agent-command"；更新仪表盘 node scripts/update-benchmark-dashboard.js。
输出格式：正常基准运行输出 Benchmark Result（命令、摘要、关键失败、下一步）；提示词生成输出 Benchmark Prompts（命令、用例、如何使用）；失败输出 Failure Triage（失败用例、可能来源、现有覆盖、最小有用补丁、是否应成为失败用例）；仪表盘更新输出 Benchmark Dashboard（命令、更新文件、最新分数、最大变化、下一步）。
安全与范围：仅生成提示词时不要声称运行了实时基准；运行返回 not_run 时不要声称技能通过；不要把 not_run 当作质量回归；不要自动提交基准结果或补丁；不要把私有原始对话放入基准用例，应先抽象；保持用例小而真实；除非用户明确要求提交，否则保留 articles/ 和 docs/superpowers/ 等本地草稿。
常见错误：把 --prompts 输出当作完成的基准；用户只改了一个技能却运行全部基准；基准用例措辞才是真正问题时却修补技能；添加新用例却没有 expected、must_not 和质量边界；让基准工作比实际技能改动更重。