用途：为技能、智能体或工作流包生成评估规范（eval.yaml），使其符合 Vally schema，能通过 skill-validator check 与 check_eval_quality.py，并具备足以给出结论的统计功效，同时避免过拟合到技能自身措辞。
主要能力：指导判断评估是否必要（偏好型刺激、激活契约、no-op 守卫）；定位目标与测试目录（tests/<plugin>/<skill-name>/eval.yaml、tests/<plugin>/agent.<agent-name>/eval.yaml、tests/agentic-workflows/<package>/eval.yaml）；编写 Vally 格式骨架（使用 stimuli: 与 graders:，弃用 scenarios:/assertions: 与 config:）；按功效确定刺激数量（至少 5 个不同刺激，p≤0.05 的精确单侧符号检验）；编写刺激、配置环境与 fixtures、编写 graders 与 rubric 项、添加约束与休眠守卫。
使用方式：先证明评估属于目标，再写骨架、按功效定规模、写刺激、配置环境、写 graders、写 rubric、少量添加约束、添加休眠守卫。工作流包场景需验证 agentic-workflows/<package>/aw.yml 并读取入口工作流、本地导入与打包智能体。
限制：不用于诊断失败或回归的评估（改用 improve-skill-quality），不修改 skill-validator 或评估工作流，不创建或编辑 SKILL.md（改用 create-skill）。agent.* 规范不通过技能实验运行；disable-model-invocation: true 的技能无法被模型调用，直接评估会比较两个相同分支。fixtures 必须被 git 跟踪、行为符合假设、能复现目标 bug。不要将 expect_activation: false 与 constraints.reject_skills 组合。