用途：为 skillgrade 评估编写评分器（grader），分为确定性（deterministic）与 LLM 量规（llm_rubric）两类，用于给任务结果打分。
主要能力与用法：
- 确定评分策略：客观验证用确定性评分，定性评估用 LLM 量规。多数任务两者结合，如确定性权重 0.7、LLM 量规权重 0.3。
- 确定性评分器：在技能的 graders/ 目录下写 bash 或 TypeScript 脚本，向 stdout 输出 JSON，结构为 {"score": 0.67, "details": "2/3 checks passed", "checks": [...]}，score（0.0–1.0）和 details 必填，checks 可选。bash 脚本中算数用 awk（node:20-slim 无 bc）。在 eval.yaml 中以 type: deterministic、run: bash graders/check.sh、weight 引用。
- LLM 量规评分器：编写含明确评分标准与分值的量规，分节权重合计 1.0。在 eval.yaml 中以 type: llm_rubric、rubric、weight 引用，可选 provider（gemini 默认｜anthropic｜openai）与 model；长量规可存为文件用路径引用。
- 组合多个评分器：按重要性分配权重，权重自动归一化，最终奖励为 Σ(评分×权重)/Σ权重。
- 验证：创建参考解，运行 skillgrade --validate。可只测确定性评分器（--grader=deterministic，跳过 LLM 调用）或只测 LLM 量规（--grader=llm_rubric），也可指定 --eval=my-eval 与评分器类型组合。
限制与错误处理：确定性评分器非 JSON 输出时，需把除最终 JSON 外的 echo/console.log 重定向到 stderr；LLM 量规返回 0.00 且提示缺 API key 时，按 provider 设置 GEMINI_API_KEY、ANTHROPIC_API_KEY 或 OPENAI_API_KEY；自定义/自托管端点可设 ANTHROPIC_BASE_URL 或 OPENAI_BASE_URL（如 Ollama、vLLM）；多次试验分数不一致时，通过补充通过/失败的具体示例减少量规歧义。