用途：把 wiki 黄金页面变成回归套件，用纯代码（不依赖模型）校验，配合已提交基线和 CI 退出码，使 agent 或 PR 无法悄悄破坏页面。触发场景包括用户说 wikieval、为 wiki 建立评估套件、goldens 回归门禁、断言级联、指标下降时阻断 CI，或调用 /wikieval。
主要能力：采用廉价→昂贵的断言级联。tier 1 为确定性断言，支持 equals、contains、icontains、not-contains、regex、is-json、is-sql-ish，作用于候选输出；若 golden 声明 asserts，仅由 tier 1 决定通过与否，未知操作按失败关闭。tier 2 相似度仅在 golden 无 asserts 时触发，未配置 embedding.backend 则跳过并标注；difflib 为离线词法比较。tier 3 为 LLM rubric 判断，确定性模式下从不调用，被升级的 golden 报告为 needs-judge。
使用方式：goldens 是 llmwiki/wiki/sources/evals/ 下的 Markdown，YAML frontmatter 含 input、expected，可选 rubric、asserts、id。运行示例：python3 harness/scripts/wikieval.py --outputs harness/evals/wikieval-outputs.example.json；写入基线：--write-baseline；CI 门禁：--check，指标跌破基线时退出码 2 并给出回归差异。基线文件为 harness/metrics/eval-baseline.json，适配器配置为 harness/wikieval.config.yaml。
适用场景：需要黄金页面作为回归套件、无需模型即可运行候选输出校验、以及仅在指标下降时阻断 CI 的流程。
限制：从不调用 LLM（tier 3 只报告 needs-judge）；不生成候选输出（需通过 --outputs 提供）；不代写 goldens 内容；缺少或无效 --outputs 时无法运行；--check 前需先写入基线。适配器（judge 模型、rubric 提示、embedding 后端）标记为 verified: false，落地时只需修改 harness/wikieval.config.yaml 和 judge() 一个文件。