用途：为 skills/ 下已有技能编写基于真实使用历史的评测，而非依据技能说明（spec）推测。属于技能自改进闭环中的“评测作者”环节，配合 SkillOpt 生成器与 gbrain eval cross-modal 判分器使用。
主要能力：
- 挖掘。优先查询大脑会话档案（conversations/ 下页面），再使用各 harness 的会话转录。命令如 gbrain search "<skill-name>"、gbrain query "when did I use <skill-name> and what did I ask for"、gbrain transcripts recent --full。每个命中提取调用窗口：调用前的用户请求、调用轮本身、其后 2 轮，因为纠正往往出现在这里。若没有任何真实调用，输出诚实的无历史报告并停止，不编造“典型”调用。
- 综合。结合挖掘窗口与当前 SKILL.md 产出建议的 eval_contract（目标、维度、hard_fails）、4-8 个可复现用例（input、expected_behavior、failure_mode_to_catch），以及 spec 与实际使用的差距。每个维度与用例必须标注 HISTORY-IMPLIED（并引用窗口）或 SPEC-DERIVED，历史稀少时在文件顶部醒目标注 GROUNDING WARNING。暂存前把真实姓名、公司等改写为占位符。
- 暂存。写入 skills/<name>/eval/autobench-<date>.md，frontmatter 状态为 PENDING-HUMAN-APPROVAL。本技能从不改写 SKILL.md、触发器或路由面，合并由人工决定。
通过后：把获批用例转为 skills/<name>/skillopt-benchmark.jsonl，运行 gbrain skillopt <name>；用 gbrain eval cross-modal --task "..." --output <path> 判分；积累更多使用后重跑并对比基线。
适用场景：有真实调用历史的技能评测编写与迭代。限制：无历史时不适合本技能（应使用 gbrain skillopt <name> --bootstrap-from-skill）；需要 conversations/ 档案由 conversation-archive 技能先行导入；挖掘与综合默认走低价模型档，多模型判分需显式开启。面板完整性检查为对结果对象的纯断言逻辑，不调用模型。分类为智能体与模型（依据其围绕技能评测、模型判分与生成闭环的用途）。