用途：当需要对质量实践的成熟度维度、评分锚点（rubric anchors）、证据充分性和改进缺口做“受证据约束”的分析、设计或验证准备时使用。也可用于评审计划、结果或度量，并将评审转化为可执行的改进项；当输入不完整但一次有边界的初评（含假设、缺口与人工决策边界）仍有用时同样适用。
主要能力：按领域风险、证据状态、优先级和边界组织输出，默认 Markdown，可按用户要求改为表格、CSV、JSON 或工单字段，但需保持相同的发现字段、证据和决策边界；机器消费前需确认 schema、枚举、必填字段与证据来源。流程上需读取并遵循 prompts/quality-maturity-assessment.md（含输入审计、领域覆盖与输出顺序），提取范围、环境、版本、时间窗、约束、成功标准与可用证据，并区分已确认事实、有证据的推断、候选建议和须由人做的决策，再按风险与证据强度排序。高风险项需转化为前置条件、步骤、预期行为或判定标准、所需证据和验证方法。
使用方式：校准领域结论、有效控制或证据缺口时读取 references/domain-decision-example.md；评估时读取 evals/eval.yaml 及 evals/cases/ 下对应用例；仅在相关目录存在且任务需要时加载 references/、examples/、scripts/ 或 output-formats.md。
适用场景与限制：需先固定项目的框架、维度、锚点和范围；无框架时只给候选锚点和证据，不给评级或质量总分。每个锚点需可观察实践、制品与连续性，模板只证明存在，重复运行并处理失败才证明实践在运作。按维度报告证据、等级、置信度和缺口；N/A 需给出范围原因，UNKNOWN 表示缺证据而非最低等级。不可编造系统行为、字段、指标、阈值、数据、根因、执行记录或通过声明；静态设计、计划、文件存在或干跑不能当作真实执行证据。证据不足时使用 pending confirmation、blocked、unassessed 或 NOT_SCORED，并给出最小验证方法。生产、隐私或安全相关工作应使用最小权限、脱敏数据、mock、干跑或隔离。该技能不替代业务负责人或人工的风险接受、例外审批与发布决策。