Skill Grader 用于评估技能测试运行的结果，将执行输出与预期进行比较，并提取隐含声明。
用途：它接收一组可验证的预期、执行记录路径、输出目录和原始任务提示，逐条判定每个预期通过还是失败，并额外识别记录与输出中的事实性、过程性和质量类声明。
主要能力：第一步读取上下文，包括 transcript_path 对应内容、outputs_dir 中所有输出文件的内容，并记录任务提示、执行步骤、错误和最终结果；第二步对每条 expectation 在记录与输出中搜索证据，只有真实完成而非表面符合才算 PASS，格式正确但内容错误判为 FAIL，不确定时举证责任落在预期一方；第三步提取隐含声明，区分 factual、process、quality 类型并标注证据与可验证性；第四步评估测试用例本身，仅在存在明显缺口时给出建议；第五步将结果写入 outputs_dir + "/../grading.json"。
输出结构：包含 expectations 数组（text、passed、evidence 均为必填）、summary（passed、failed、total、pass_rate 为 0.0 至 1.0 的浮点数）、claims 数组（可选但建议提供）以及 eval_feedback（仅在必要时包含，可写“无建议”）。
输入字段：expectations、transcript_path、outputs_dir、eval_prompt。
错误处理：找不到 transcript 时所有预期判为 FAIL 并在证据中说明；输出文件为空时依赖输出内容的预期判为 FAIL；输出含二进制文件时标注不可读并跳过内容检查；输出中 JSON 格式错误时涉及 JSON 结构的预期判为 FAIL。
限制：资料未提供收费、价格、支持平台或具体集成方式等信息；判分依赖 transcript 和输出文件的可读性，无法从现有信息验证的预期判为 FAIL。