用途：为技能包生成结构化测试断言，并在断言失败时输出失败诊断，用于评估技能定义与任务提示是否匹配。
主要能力：
- 断言生成（模式一）：读取 SKILL.md，提取声明能力、输出格式、错误处理、前置条件与触发边界，再针对每个任务提示生成 5-10 条断言，覆盖输出完整性、格式合规、事实信号、工具调用与负向约束五个维度，并按维度分配权重（完整性 1.0、格式 0.8、事实 0.6、工具 0.5、负向 0.3），输出为 evals/cases.yaml 的 schema 格式。
- 失败诊断（模式二）：当 oracle 返回 fail 时，对失败断言做根因分类（缺失能力、格式不匹配、输出不完整、幻觉内容、工具使用错误、部分成功），分析 SKILL.md 中对应承诺与输出差距，给出可执行的修复建议，并输出结构化诊断字符串。
信息隔离协议：验证器不得访问生成器的对话历史、推理链、先前迭代或内部笔记，只接收 SKILL.md、任务提示、技能输出与断言结果。调用时应放入独立 Agent 会话（如 isolation: "worktree"）并以显式文本传递产物。
预算参数：上下文上限 0.7（70% 上下文窗口），每轮 oracle 最多 15 次 surrogate 重试，最多 5 轮 oracle（由编排 agent 管理，验证器自身不跟踪预算）。
限制：无执行能力，断言由 scripts/run_evals.py 执行；仅支持文本验证，无法验证视觉输出、交互行为或副作用；每次验证独立、不记忆先前轮次；5 种断言类型不覆盖所有验证需求，自定义类型需扩展 scripts/eval_assertions.py。
错误处理：技能定义过大时仅摘要工作流阶段与输出格式；无法生成断言时返回空列表并警告；输出格式不明确时默认使用 contains 断言；超出上下文上限时截断诊断细节但保留失败断言列表。