Caveman Evidence Review 是一个只读的审查技能，用于读取 Caveman Cloud 中的证据并在当前数据基础上形成结论。它的定位是“只读操作者”，不基于代码仓库的猜测做判断，也不会通过该技能启动、批准、取消或回滚任何实验。
用途方面，该技能适用于回答“Caveman 发现了什么”或“问题出在哪里”之类的问题，覆盖范围包括成本、Cave Score、工作流、追踪、延迟、错误、路由以及节省情况。
主要能力与数据纪律方面，它要求严格区分四类桶：measured provider-complete list-price cost（已测量的、provider 完整口径的标价成本）、inferred daily headroom（推断的每日余量）、verified ledger savings（已验证的账本节省）以及 evidence cost（证据成本）。这四类不得相加，也不得重新贴标签。默认审查时，元数据、span、时间、模型、token 计数、状态与优化器归因已足够，除非用户明确要求 payload review，否则不抓取 prompt、completion、tool 或 artifact 负载。所有读取都应限定在 Caveman 上下文所选的项目，且不得提供组织 id。
使用方式分为几个步骤。第一步加载上下文，优先使用 MCP 的 caveman_context {}，CLI 回退为 caveman cloud whoami 与 caveman cloud projects list；如果缺少登录或项目选择则停止，并请用户运行 caveman login 或选择项目，不得猜测。第二步建立基线，使用 caveman_report 获取 overview、costs、score、workflows、verified_savings，再用 caveman_plan 获取排名的每日余量；若问题范围较窄则跳过无关报告，只读能回答该问题的最短集合，CLI 回退包括 caveman cloud costs、caveman cloud score、caveman cloud plan --json，并在解释方向前说明报告窗口与口径。第三步用 traces 检验主要解释，使用 caveman_trace_search，选择有界窗口与封闭过滤条件，如 workflow、agent、model、provider、error code、runtime mode、cache status、optimization id、status class、token/cost/latency 边界、compression 或 monitor verdict；常用分组包括 workflow（找出驱动成本或失败的作业）、model（比较模型组合）、session（隔离重试或循环行为）以及 ungrouped（定位具体 trace）；应将可疑群体与对照群体或更早的有界窗口比较，不能从单条昂贵 trace 推断因果。CLI 示例为 caveman cloud traces search --workflow <slug> --from <RFC3339> --to <RFC3339> --sort total_cost_usd --dir desc --limit 25。第四步检查代表性 trace，调用 caveman_trace_get 查看少量高信号 trace id，检查请求与 span 元数据、延迟、状态、token 计数、缓存状态、已应用的优化器与模型路由，保持 payload 检索关闭；CLI 回退为 caveman cloud traces show <trace-id> --spans。第五步按固定结构报告，包含范围（项目与时间窗口）、measured cost、verified savings、inferred headroom、findings（带聚合证据与 trace id）、unproven（缺少对照、trace 或评估的合理但未经证实的解释）、next read-only check（一个有界查询）以及 possible action（仅作提案，生命周期审查与安全门应使用 caveman-manage）。
适用场景方面，该技能适合对 Caveman Cloud 项目进行只读的成本与质量审查，例如了解成本构成、查看 Cave Score、梳理工作流、定位高成本或失败 trace、比较模型组合、检查延迟与错误、审视路由与优化器归因，以及核对已验证节省。
限制方面，该技能本身不执行任何写操作，不能启动、批准、取消或回滚实验；不主动拉取提示、补全、工具或物化内容，除非用户明确要求；所有读取限定在 Caveman 上下文所选项目，且不得提供组织 id；空结果只能视为当前无信号，不能解读为零成本或零风险；需要引用 trace id 与确切时间窗口，不能仅凭聚合断言因果；如果数据缺失，应指出缺失信号并停在可支持的最强结论处，不得将目录小计当作发票，也不得将实验结果当作已验证节省。