AXIS（Agent Experience Index Score）是面向 AI 智能体的合成测试框架。本技能是操作者指南，说明如何调用 CLI、AXIS 将文件写在哪里，以及如何解读评分输出。编写场景与 axis.config.json 请参见 configure-axis 技能。
用途与触发：当用户要求运行 AXIS、调用 CLI、运行特定 profile、比较多次运行、解释分数、找出回归场景、设置基线、询问报告位置或维度含义时使用。框架输出统一称为 AXIS Result。
主要命令：二进制为 axis，也可用 npx @netlify/axis。axis init 生成 axis.config.json 与示例场景，并安装技能，支持 -s/--scenarios、-a/--agent、--format、-f/--force、--no-skills。axis run 在隔离工作区中对每个配置的智能体执行全部场景并评分、写报告，支持 -c/--config、-s/--scenario、-a/--agent、-p/--profile、--concurrency、--runs、--failed、--no-score、--compare-baseline、--refresh-skills、--refresh-repos、--json、-v/--verbose、--debug、-o/--output-dir。--runs 必须为奇数（1 到 19），偶数会报错；每次额外运行都增加完整执行与四次评审调用，成本约成倍。axis reports 查看历史报告，axis baseline 管理基线（set/list/show/compare/delete）。
目录结构：AXIS 写入内容都在配置目录下的 .axis/，包括 reports/、baselines/、remotes/、repos/、skills-cache/；配置、场景、技能等源文件不在 .axis/ 下。
评分框架：每次运行按四个维度评分（各 0-100）再加权合成：目标达成（默认权重 0.4，由 LLM 评审对照场景检查项）、环境（0.2，文件系统、shell、网络执行可靠性）、服务（0.2，外部服务与 MCP 交互可靠性）、智能体（0.2，每次工具调用的决策质量）。权重可在 settings.scoring_weights 覆盖。环境与服务只评估执行可靠性，不判断输出是否有用；智能体维度审计每一次交互。速度始终为启发式分桶，不用 LLM。智能体子维度：必要性 0.4、相关性 0.2、权重 0.2、成功 0.1、速度 0.1。合成公式为 axisScore = goalw_goal + environmentw_env + servicew_svc + agentw_agent。所有维度采用对数正态 CDF 映射（中位数 0.5，sigma 0.4），因此完美运行也约在 95-99，95 以上即顶级区间，100 几乎不可能。
读取报告：report.json 含 version、reportId、timestamp、durationMs、summary、results[]。每个结果含场景键、智能体名、耗时、退出码、token 用量、各维度分数与审计项。多次运行时结果条目描述代表性运行（合成分数最接近中位数的那次），并附 runCount、runs[]、spread、reliability 字段。引用时用代表性运行的 axisScore，讨论稳定性时引用 spread；被扣留的运行不计为失败。
诊断低分：目标下降看 criteria 中低于 10 的项；环境下降看 audits 中 success 小于 1 的项；服务下降同理；智能体下降先看必要性，低表示冗余调用。
与基线比较：按 scenarioKey 匹配，用容差带（max(1, 2*stdev)）与 Welch t 检验两种判定，可同时引用效应量 d 与 p 值。退出码跟随容差带而非检验。
引用规则：必须打开实际文件读取数值，不得编造；称输出为 AXIS Result；不使用长破折号；区分执行质量与决策质量；不虚构 CLI 标志；95 以上视为顶级区间。