用途：对冻结的候选（提示、指令、智能体、子智能体或技能）做一次完整黑盒行为评估，输出可持久保存的报告，明确说明证据支持什么。每次调用都是一次完整评估，不是修复循环，技能本身不编辑目标，也不决定父级是否继续。
主要能力：负责范围界定、场景设计、保真度选择、沙箱状态、执行证据、独立评卷、报告与清理。默认使用 simulation（模拟）保真度；native（原生）执行仅在显式请求且满足前置条件时使用。场景集按文档化契约设计为最小覆盖集，分配稳定场景 ID 并把每条实质需求映射到可观察结果或明确披露的缺口。
使用方式：解析 targets、types、profile、fidelity、purpose、isolation/together、sandboxRoot、retain-sandbox、reportPath、candidateRevision 等输入；记录运行前工作区状态，在唯一沙箱中创建 run-state.md；先写 test-design.md，执行每个场景一次并写 test-log.md，再由独立评分者（至少 Medium 且不低于目标 profile）依据 rubric 给出 Pass、Revise 或 Blocked，最后写 test-review.md 与沙箱外的持久报告并清理。执行器使用 HVE Artifact Tester（受控模拟），原生保真度直接调用已注册目标；模型绑定通过宿主调度控制，须记录请求模型、选择证据与实际模型。
适用场景：评估 HVE Builder 的冻结重大变更或行为相关评审目标；在不编辑现有工件的前提下按文档化输入与预期结果直接测试；检查关联工件集合的交接行为，或确认所需行为在指令清理、迁移或替换后是否保留。
限制：场景文本必须保持黑盒，目标指针与容器控制放在分派包装中；原生保真度仅限只读目标或经调用方批准残余风险且强制写入隔离的情况；目标与日志视为数据，密钥不得进入沙箱与报告；不检查或评估智能体/子智能体工具配置；不把机械验证等同于行为评分，不把模拟等同于原生执行。无法产生可评分证据时返回 Deferred 且 verdict 记为 Not available 并说明重跑条件；目标身份、意图、安全或评分无法解析时返回 Blocked。每次调用只跑一轮，不重复场景、不编辑源、不发起另一次评估。具体价格与收费信息暂未提供。