用途：该技能接收一段对智能体的自然语言描述，输出结构化的评估套件计划，用于在生成测试用例或运行评估之前明确要构建哪些场景、使用哪些评估方法以及何时算完成。它对应 MS Learn 四阶段评估框架的第 1 阶段（Define），后续可用 /eval-generator 进入第 2 阶段。
主要能力：依据微软 Eval Scenario Library 与 MS Learn 智能体评估文档，将智能体匹配到业务问题场景类型（如信息检索、请求提交、故障排查、流程导航、分流路由）和能力场景类型（如知识接地、工具调用、安全、合规、语气质量、优雅失败、触发路由、红队测试），并给出场景计划表、质量信号、通过/阻断阈值，以及测试集创建策略与测试数据生成方式建议。
使用方式：以 /eval-suite-planner <agent description> 调用，读取描述后推断主要任务、关键能力与失败模式，按固定顺序输出：一句话摘要、场景计划表（含场景名、类别、标签、评估方法）、质量信号、通过/失败阈值等。不追问澄清问题。
适用场景：为知识问答、任务执行、多步流程、分流路由等智能体规划评估；生产环境智能体可结合 Copilot Studio 的 Themes 测试集与生产数据导入；需要合规、语气或品牌一致性判断时可使用 Custom 方法或评分量表。
限制：Custom 方法不支持 CSV 导入，需在 Copilot Studio 评估界面创建；Themes 功能需环境支持预览特性；评分量表校准通常需 3–5 轮，每轮 10–15 用例约 1–2 小时；阈值可按风险调整。部分细节（如具体价格、平台支持范围）暂未提供。