用途：当用户只描述业务问题（如“这是工厂视频，帮我检测装配错误”），尚未选定 Workflow 架构、模型或方案时，用评测驱动的搜索来构建或改进 Roboflow Workflow。用户无需了解 Spec、Case、执行等术语，只需描述任务、查看示例并给出对错反馈。
主要流程：预检调用 workflow_evals_capabilities、workflow_evals_agent_manifest，并读取 skill:workflow-evals 与 skill:create-eval；查是否已有同名 <slug>-eval 并复用；建立本次工作目录 ./opt-<slug>-<timestamp>/，用 created.json 登记所有资源。随后依次为：理解任务并写 Goal Card；构建首个 Workflow 与答案键草稿；静默建立测试集与评分标准（Eval，建议 30 至 60 个示例，单一取值少于 5 个示例需说明覆盖不足）；生成 20 至 40 个差异明显的候选并冒烟测试、联合评分、逐轮调优与淘汰；最后在新示例上验证并交付冠军方案。
关键能力：端口化的检查点（Goal Card、评分卡与候选、优胜者、清理）需用户确认后再继续；评分仅依据 Eval 结果，差异小于噪声带视为并列；测试集只增不减，验证靠新增未见示例；所有预览以带答案的接触印相图呈现，不提供仅有文件名的表格。
使用方式与限制：候选数量上限 60，单次 Run 最多 100 次执行，重试与预算需按约定；延迟测量会禁用执行复用，故不放入搜索 Spec；视频按逐帧评分，不验证有状态的时序事件；Roboflow Agent 默认关闭，即便开启也不得用它构建或保存本会话的 Workflow。收费、价格与具体平台支持范围暂未提供。