用途：对调用方指定的一组测试方法逐个评分，生成适合 PR 评论的紧凑报告，每行包含测试全限定名、字母等级（A–F）、分数区间、伪变异韧性、一行评分说明，以及每个低于 A 的等级对应的具体改进建议。它不自行发现测试，需由调用方（通常是 PR 自动化流程或持有具体清单的评审者）提供待评测试。
主要能力：先校验输入，要求提供显式测试方法名列表、一个或多个文件路径加“评估这些文件中所有测试”的明确指令，或 diff 片段/PR 标识；范围含糊的请求会被拒绝。随后检测语言并调用 test-analysis-extensions 技能加载对应扩展文件（如 extensions/dotnet.md、extensions/python.md、extensions/typescript.md、extensions/go.md），再解析测试体与生产代码。评分分四个子维度：断言强度、结构与聚焦、反模式卫生、伪变异韧性，按权重 0.35/0.30/0.20/0.15 合成，映射为 A–F 等级与分数区间。
使用方式：调用方提供测试方法列表、文件路径或 diff；技能读取扩展文件、解析测试体、追踪生产入口点，按反模式目录（Critical/High/Medium/Low）扣分，并调用 test-gap-analysis 技能加载变异目录做逐测试变异分析。生产代码无法解析时，伪变异韧性记为 N/A 并重新归一化权重，不因此降级。
适用场景：PR 自动化流程对新增或修改的测试发评论；评审者持有具体测试清单想要逐测试结论；维护者分诊贡献中哪些测试需要后续改进。
限制：不用于全量套件审计或对比指标（应使用 test-anti-patterns 或 test-smell-detection）；不用于编写新测试；不用于测量覆盖率或 CRAP 分数；不直接修改测试代码；未提供具体测试清单时不会评估整个工作区。评分只针对可观察问题扣分，不对假设性担忧扣分。