用途：批量评估一个插件中的全部技能，对每个技能运行 /evaluate:skill，最后汇总为插件级质量报告。适合在发布前审计插件内所有技能、建立插件质量基线、重构后检查整体质量。若只需评估单个技能，应改用 /evaluate:skill；查看历史结果用 /evaluate:report；需要结构合规检查用 plugin-compliance-check.sh。
主要能力：发现插件内所有技能（<plugin-name>/skills/*/SKILL.md）并计数；按是否存在 evals.json 过滤与准备；逐个调用 /evaluate:skill <plugin-name>/<skill-name> [--create-evals]；支持并行批量执行；汇总各技能的 benchmark.json 生成插件级报告；输出按通过率排序的汇总表，并将低于 50% 的技能标记为需关注。
参数：<plugin-name> 必填，为要评估的插件名；--create-missing-evals 默认 false，为缺少评估用例的技能生成用例；--parallel N 默认 1，为最大并发技能评估数。
使用方式：先运行 bash ${CLAUDE_PLUGIN_ROOT}/scripts/inspect_eval.sh --plugin-dir $1 获取插件清单；对每个技能检查 evals.json，有则纳入评估，无且带 --create-missing-evals 则纳入并在评估时创建，无且无该标志则跳过并注明；随后通过 SlashCommand 调用 /evaluate:skill，若 --parallel N 大于 1 则按 N 分组批量执行，否则顺序执行，并用 TodoWrite 跟踪进度；全部完成后运行 bash evaluate-plugin/scripts/aggregate_benchmark.sh <plugin-name>，将聚合结果写入 <plugin-name>/eval-results/plugin-benchmark.json；最后打印插件级汇总表，包含技能、评估数、通过率与状态，并给出总体通过率。
限制：资料未提供具体收费、价格、平台支持范围与效果保证等信息；评估依赖技能已有的评估用例，缺少用例时默认跳过，除非显式使用 --create-missing-evals。