用途：该技能用于衡量智能体的质量与行为，适用于设计、配置、运行或排查 NeMo Agent Toolkit 评估（nat eval）相关任务，包括数据集、评估器选择、ATIF 评估面与质量门禁。
主要能力与工作流：先确定评估面与输出格式；将质量目标拆解为相互独立的评估器；优先选用内置评估器，再考虑编写自定义评估器；本地验证时保持数据集小而明确；运行 nat eval 并检查生成的产物。
参考文档：技能附带 references/operating-mode.md、references/methodology.md、references/agent-eval-framework.md、references/evaluation-surfaces.md、references/evaluation-contract.md、references/evaluators/、references/code-patterns.md，用于了解运行模式、方法论、评估框架、评估面、评估契约、评估器与代码模式。
限制：资料未提供具体评估器清单、数据集格式、命令参数、指标定义、平台支持与收费信息，需查阅上述参考文档或官方资料确认。