用途：TraceGrader 评估智能体运行的“轨迹”而非只评估最终答案。一次运行可能通过有问题的路径得到正确答案（例如强推代码、重试风暴、编辑了从未读取过的文件），即 corrupt success；也可能时好时坏（一次通过、重跑失败）。只检查答案的评测看不到这两种情况，TraceGrader 则检查路径。
主要能力：读取 trace 来源（规范 traces.json、audit jsonl、Claude Code 会话 transcript），经解析得到 run=[{step, tool, args, observation, ok}]，再按配置规则检查并计算 pass^k（同一任务 k 次重跑是否全部通过），对每个 run 给出判定：clean-pass、pass-with-warnings、corrupt-success、fail。规则包含 forbidden_tool（高危）、out_of_order（中危，经由 must_precede）、retry_storm（中危，连续同一工具失败超过阈值）、excessive_steps（低危，超过步数预算）、edited_without_read（中危，编辑了从未先读取/检索/写入过的文件，由 grounding.enabled 控制）。若存在 corrupt-success 或任务 flaky，退出码为 3，便于 CI 拦截。
使用方式：编辑唯一适配文件 harness/trace-grader.config.yaml 设置规则参数（禁用工具、重试阈值、步数预算、顺序约束），再运行评测脚本，例如：python3 harness/scripts/trace-grader.py --self-test（内置 clean/corrupt/flaky 三个自测用例）；python3 harness/scripts/trace-grader.py --traces traces.json；python3 harness/scripts/trace-grader.py --audit .claude/audit/<date>.jsonl --task my-task；python3 harness/scripts/trace-grader.py --transcript ~/.claude/projects/<proj>/<session>.jsonl --task my-task。加 --json 可输出机器可读结果。
适用场景：当有一个或多个智能体运行轨迹，想了解答案是如何得到的；需要可重复性门禁（pass^k）；或想在求助 LLM 评审之前，先获得工具选择、顺序、重试、步数预算等方面的确定性、可 CI 门禁的信号。
限制：不评估最终答案质量；在配置仍为 verified:false 时，agent-as-judge 轴处于关闭且不被调用的状态；不修复被标记的运行。纯 audit 日志看不到每步 ok/observation，retry_storm 不会触发，结果为部分，需用完整 traces.json。transcript 不含任务判定，run.ok 会被强制为 True，应信任 FLAGS。规则参数唯一放在 harness/trace-grader.config.yaml 中，阈值在真实轨迹上验证前保持 verified:false，不能当作已验证。退出码 3 表示信号，而非工具错误。详细参数默认值、价格、平台支持等资料暂未提供。