用途：该技能用于引导 Claude Code 从干净环境走完 GAIA 基准测试并生成可直接上传至 Princeton GAIA 排行榜的、已签名且 HAL 兼容的提交包；也支持把已有结果文件打包为提交归档，以及确认环境是否可运行评测。
主要能力：提供分阶段流程。/gaia validate 执行全部预检；/gaia cost 按级别、题量、模型和自洽投票估算成本，超过 5 美元会要求确认；/gaia run 运行评测并每 5 题汇报进度，如 [12/53] 22.7%；/gaia submit 生成含 results.jsonl、trajectories.jsonl、metadata.json、audit-report.json、Ed25519 签名见证 manifest.md.json 与 README.md 的目录；/gaia leaderboard 与 /gaia history 用于对比与回看。提交前按 ADR-167 运行确定性零成本漏洞审计，若出现 CRITICAL 且未加 --allow-dirty 会拒绝打包，审计报告被签入见证清单。
前置条件：需具备 ANTHROPIC_API_KEY、HF_TOKEN、Node.js 20+，并已构建 CLI（node v3/@claude-flow/cli/bin/cli.js --version）。用法示例：/gaia validate；/gaia cost --level=$LEVEL --limit=$LIMIT --models=$MODELS --voting=$VOTING；/gaia run 同上参数；/gaia submit --results=~/.cache/ruflo/gaia/results-latest.json。可用 memory store 记录运行摘要与模式，并用 hooks post-task 持久化学习结果。
适用场景：向 HAL 排行榜提交 GAIA 结果、打包已有结果、运行前环境确认。限制：审计仅覆盖部分静态检查，轨迹相关检查因当前 schema 无法提供数据，被记为 harness_gaps（ADR-167 §7）而非通过；被拦截时应视为真实问题而非直接使用 --allow-dirty。该技能设计为基准无关，阶段结构可套用于 SWE-bench、WebArena、HumanEval，主要差异在阶段 3-4。具体收费、平台范围等资料暂未提供。