用途：该技能帮助选择评估接口与指标，验证最小示例，提交 NeMo Platform 评估作业并获取结果，涵盖数据集驱动与任务驱动两类评估。
主要能力：区分数据集驱动（dataset-driven）与任务驱动（task-driven）智能体评估；支持独立 SDK 评估或持久化平台作业；按行为选择指标（优先确定性指标）；支持指标、任务、任务集与结果索引的复用定义；支持数据集字段映射、行级输出与聚合查看。评估执行接口包括 nemo_evaluator_sdk.Evaluator（快速指标迭代，不依赖平台）、client.evaluator.submit(...) 或 nemo evaluator evaluate submit（数据集驱动平台作业，含多指标引用与 EvaluateInputSpec）、nemo evaluator agent-evaluate submit（任务驱动平台作业）。
使用方式：输入需先确定评估接口、执行接口、最小通过/失败数据集样例、指标与目标。先用一行通过、一行失败的冒烟用例验证指标行为，检查行级输出与聚合，修正字段映射、提示词、解析器或任务定义，再提交平台作业。常用 CLI：uv run nemo evaluator info（确认插件就绪并列作业）、metric-types（列指标名，加指标名可打印其 schema）、evaluate explain 与 agent-evaluate explain（打印输入输出 schema，可能非常大，慎用以免占满上下文）。作业完成后需调用 job.wait_until_done() 再取结果或下载产物。任务驱动评估中 AgentEvaluator().run(...) 目标可为 Model、GenericAgent 或 AgentTaskRunner；平台作业目标为 ModelTarget、AgentTarget、CodexRunnerTarget、FabricRunnerTarget 或 HarborRunnerTarget，也可传预计算 trials，target 与 trials 只能二选一。
限制：本地执行路径 client.evaluator.run() 与 nemo evaluator ... run CLI 正被淘汰，不应据此构建，快速迭代请改用 nemo_evaluator_sdk.Evaluator。api_key_secret 在独立 SDK 中是环境变量名，提交时是平台 secret 名；提交返回 HTTP 409 常表示引用的平台 secret 缺失，而非重复作业；intent 为评分器元数据，不会展示给智能体，仅 inputs 到达智能体；指标模板中数据集行用 item.，智能体评估用 reference.、sample.、inputs.；指标进度可能先到 100% 而后作业才终止。切勿打印、序列化或提交机密值，仅存环境变量名或平台 secret 引用。Fabric 运行需可选 harness 适配器与匹配的 Relay 网关，安装脚本会下载校验过的 nemo-relay 二进制并需将其目录加入 PATH。其他细节（如具体价格、性能等）暂未提供。