用途：这是 eval-author 系列中的“创建任务”技能，先读取 eval-author 的共享证据标准，再依据 eval-author-audit 的测量与聚合结果，把审计发现整理成按优先级排序的数据集改进建议；仅在任务创建请求且存在可执行工具缺口时，继续生成一个 Gym 或 Harbor 任务并加以证明。
主要能力：第一步输出建议，写入 .eval-author/proposals/dataset-recommendations.md，按证据强度和价值排序，区分已观察失败、已检查输入中的覆盖缺口、未测量或证据不足三类基础，并给出预期行为与验证方式、证据引用、建议广度和下一步动作。第二步用 uv run <skill_dir>/scripts/task_pipeline.py select --report .eval-author/audit-coverage-report.json 选择可执行缺口，只列出 reason 为 not_covered_by_any_input_report 的工具项，并给出确定性 task_slug（形如 cover-<tool-name>）与产物路径。随后设计最小客观任务、用 scaffold 搭建、用 verify 验证。
使用方式：脚本包括 task_pipeline.py（select、scaffold、verify）与 task_evidence.py（prepare、run）。Harbor 脚手架命令需传入 --report、--target、--out、--task-name、--description、--author、--instruction-file 等参数；运行时按选定的 Harbor Python 运行时执行。所有生成产物须位于 .eval-author/ 下，不得修改已有任务或客户源码。
适用场景与限制：适合把审计覆盖报告转化为可执行任务并验证工具覆盖。缺少报告或测量 JSON 时，只能做仅有建议的工作并把候选标为未测量；能力与失败用例项在 v1 中不能用于自动任务生成。一次只创建一个工具缺口任务，退出码 0 才算成功，不能以模型判断替代脚本结论。平台、价格与支持范围等资料暂未提供。