用途：该技能用于对机器学习模型进行系统评估，输出准确率、精确率、召回率、F1 分数及自定义 KPI 等指标，帮助进行模型选择与优化决策。
主要能力：分析用户请求以确定待评估模型及关注的指标；通过 /eval-model 命令在 model-evaluation-suite 插件中启动评估；在留出数据集上分析模型表现；呈现指标与洞察，突出关键性能指标及可改进之处；支持对比多个模型的指标（如 F1 分数）。
使用方式：当用户请求评估模型性能、比较多个模型、识别改进点或在部署前验证模型时触发。典型流程为调用 /eval-model 命令，提供必要上下文与参数，然后查看生成的结构化输出并按需修改。示例包括评估图像分类模型的准确率，以及比较模型 A 与模型 B 的 F1 分数。
适用场景：模型性能评估、多模型对比、模型改进方向识别、部署前性能验证，也可与其他技能组合构建自动化机器学习工作流。
限制与前提：需要适当的文件访问权限，并安装所需依赖。资料未提供具体依赖清单、安装命令、支持的模型框架或指标计算细节。错误处理方面，无效输入会提示更正，缺少依赖会列出所需组件，权限错误会给出修复建议。建议明确指定关注指标、确保评估数据具有代表性，并对结果提供解释与上下文。