用途：审查编码智能体周边的“操作系统”，而不只是文件本身，区分已声明资产、可达路径、实际任务使用与后续结果。
主要能力：三种模式——static（默认，仅检查目标仓库）、episode（加入明确授权的 Codex 或 Claude Code JSONL 来源）、longitudinal（与既有 ledger 对比）。默认内联只读输出，仅在用户明确要求时才在目标下写持久报告。围绕五个维度、15 项稳定检查评分，评分受证据上限约束（present 74、reachable 84、exercised 94、outcome_supported 100，缺失或未观测 59），不计算总分。
使用方式：从已安装技能目录运行采集脚本，例如 python3 scripts/collect_evidence.py --target /absolute/target --mode static --locale zh-CN --decision "assess agent-harness readiness" --acceptance-boundary "resolve all five dimensions" --output-mode inline --output /temporary/evidence.json。随后用 python3 scripts/validate_findings.py --input /temporary/findings.json --strict --json 校验发现；需要持久报告时用 render_report.py，纵向跟踪用 update_ledger.py。
适用场景：评估仓库的智能体框架就绪度、解释观测到的验证缺口、区分已配置与已实际执行的路径。
限制：不授权修复；不得读取用户主目录会话、Memory 正文或未授权提供方文件；缺失必需来源视为未观测，不得用更宽目录或记忆结果替代；不得把配置存在当作有效使用，不得用分数当证据；持久输出路径固定为 /absolute/target/.agent-harness-review。具体收费、价格与平台支持暂未提供。