用途：当 Copilot Studio 智能体评测跑完、需要解读分数、诊断表现不佳测试用例的根因并找到可执行改进步骤时使用。它基于 skills/eval-guide/playbook.md（Practical Guidance on Agent Evaluation: 10-step playbook），是第 7 步“迭代诊断失败”的深入指南，并为第 9 步优化循环提供种子。
与 eval-result-interpreter 的区别：两者共用同一分诊框架。需要交互式逐步诊断、处于持续改进循环、需要针对特定失败模式的详细修复帮助、失败较多（15+）需排优先级时，用本技能；只有 CSV 或具体结果、想要一次性结构化报告、首次看结果需快速结论、需要客户交付物（.docx 分诊报告）、失败较少（<20）时，用 eval-result-interpreter。不确定时先用后者拿报告，再切到本技能实施修复。
主要能力与流程：1) 收集评测结果，包括评测集与通过率、manifest 元数据（set_type、category、method、gate、target、regression_class、人工复核标记、来源）、具体失败用例、运行次数与已尝试的改动；2) 分数解读与就绪评估：硬门禁失败→BLOCK，能力集低于硬下限→ITERATE 或 BLOCK，仅软目标未达→SHIP WITH KNOWN GAPS/ITERATE，全部通过→SHIP；阈值不套固定数字，优先用 manifest 目标，缺失时按风险等级推导并标记需更新；3) 分诊前基础设施检查（知识源索引、API/连接器、鉴权、发布版本）；4) 失败优先级排序（硬门禁→高风险能力→最低分评测集→反复出现→软目标）；5) 根因分类：每个失败必须归入唯一根桶——eval-setup problem（评测设置问题，修评测）或 agent-quality problem（智能体质量问题，修智能体/平台并记录模式），并给出操作子类型（Eval Setup / Agent Config / Knowledge / Platform Limitation）；6) 多轮对话分诊：先定位最早出错的“关键轮次”，其后为级联失败，修复关键轮次后预计 40-60% 下游失败自行消失；7) 映射到修复方案；8) 生成结构化分诊报告，含分数汇总、就绪评估、失败分析、分诊理由、失败模式日志、系统性模式、行动项、分诊后清单与人工复核。
限制：资料未提供安装命令、价格、平台支持范围等具体信息；分诊基于单次评测运行，无法发现未编写用例的场景，也无法区分偶发失败与真实失败，边界情况建议重跑后再投入修复。