用途：为 Tessl tile 生成评估场景，衡量智能体是否遵循技能中的指令。
前置条件：技能必须先打包为 Tessl tile（含 tile.json 与技能文件夹的目录），否则先用 converting-skill-to-tessl-tile 技能转换；未指定位置时询问用户。若一个 tile 含多个技能，应先按技能拆分为多个 tile。
主要能力：从技能中整理指令清单，生成可行与不可行的场景摘要，并创建每个场景所需文件。开始前需阅读 references/scenario-generation.md，按其流程研究 tile 并生成正确格式的预期文件。
输出结构：tile 下的 evals 目录包含 instructions.json（技能中全部指令的列表）、summary.json（可行场景）、summary_infeasible.json（不可行能力，无对应文件夹），以及按 scenario-N 命名的子目录，内含 task.md（目标描述，可内联输入）、criteria.json（评分标准，须合计为 100）和 capability.txt（单行，被测能力）。
评估约束：一次性、基于文件。不预装专有软件、不提供 API key 或额外文件；智能体接收任务后在自身工作目录产出文件；评分者只审查智能体创建的文件（源码、输出等），不观察执行过程，也不进行交互式往返。场景耗时过长或结束时磁盘残留大文件会导致超时。若能力在此沙箱中无法运行，应标记为不可行。
运行评估：准备就绪后可在 tessl 平台触发评估，使用 tessl eval run <path/to/tile>、tessl eval view-status <status_id> --json、tessl eval list。