用途：waza-runner 用于评估其他 Agent Skills，衡量其实际效果，采用与 AI 智能体评测相同的模式。适用于对技能做质量评估、测试技能是否在正确提示下被触发、测量技能行为质量，以及为 CI/CD 生成评测报告。
主要能力：支持运行评测、初始化评测套件、生成报告。工作流程为：检查技能目录中的 eval.yaml；解析 tasks/*.yaml 中的任务定义；通过配置的评分器执行每个任务；以 JSON 或 Markdown 输出结果。
评测指标（默认阈值）：任务完成度（是否达成目标，80%）、触发准确率（是否在正确提示下被调用，90%）、行为质量（工具调用、效率、推理，70%）。评分器类型：代码评分器（确定性断言、正则匹配）、LLM 评分器（模型即裁判，可配置评分标准）、人工评分器（人工复核流程）。
使用方式：命令包括对 <skill-name> 运行评测、创建评测套件、生成报告；CLI 示例：waza run ./my-skill/eval.yaml；输出到文件：waza run ./my-skill/eval.yaml -o results.json。结果 JSON 中包含 pass_rate、composite_score，以及各指标分数与是否通过。
限制：资料未提供安装方法、许可、价格、平台与依赖要求，也未说明评分配置的完整字段；具体请参考 Eval Specification、Writing Tasks 与 Grader Reference。