用途：为 deepagentsjs monorepo 创建新的评测套件。每个评测是 evals/ 下的独立工作区包，使用 @deepagents/evals 测试框架，通过 vitest 运行，并将结果上报到 LangSmith。
主要能力：支持数据集设计（内联、JSON/JSONL fixture、外部数据集、LangSmith 数据集）、测试用例脚手架、评分逻辑（内置轨迹匹配器、精确/模糊匹配、LLM-as-judge、代码执行、自定义评估器）、vitest 配置与 LangSmith 上报。
使用方式：先阅读 internal/eval-harness 下的现有基础设施与 evals/ 下已有评测约定，再创建 evals/<name>/ 包，包含 package.json、vitest.config.ts、index.test.ts、README.md，可选 fixtures/、vitest.setup.ts、evaluators.ts。测试文件使用 getDefaultRunner() 获取运行器，通过 ls.describe 与 ls.test 组织用例，用 runner.extend() 覆盖系统提示、工具、子代理等配置，用 initialFiles 预置文件。需要真实执行时通过 extend({ backend }) 接入沙箱（Modal、Daytona、Deno、Node VFS）。安装与运行：pnpm install；EVAL_RUNNER=sonnet-4-5 pnpm --filter @deepagents/eval-<name> test:eval。
适用场景：评测文件操作、工具使用、多轮推理、记忆、代码生成等能力；需要 shell 执行、包安装或不可信代码时使用沙箱后端。
限制：默认运行器使用内存 StateBackend，无法执行 shell 命令或安装包；HITL 与摘要评测需绕过标准 EvalRunner 直接构造 agent；需与 Python deepagents 评测保持对等，当前 summarization 评测缺失。具体收费、价格与平台信息暂未提供。