用途：评估提示词优化效果。系统将用户请求直接交给 prompt-analyzer 分析并生成优化后的提示词，再让原始提示词与优化提示词在相同条件下重复盲配对执行，最后生成对比报告，帮助用户从具体对比结果中学习有效提示技巧。
主要能力与流程：编排器本身不执行任务，仅在各子代理之间传递信息。步骤依次为：运行 worktree-execution 技能；调用 prompt-analyzer 做提示词分析与优化（输出含 analysis.pattern_coverage、analysis.findings、result.final_prompt、optimization.finding_resolutions，并通过 analysis_gate、optimization_gate、balance_gate 与 status 校验）；在同一基础 SHA 上创建全新的原始/优化 worktree 对，同时并行调用两个 prompt-executor 执行；按 worktree-execution 的 Cleanup 段清理环境；分两阶段调用 report-generator，先盲评（匿名 A/B），再揭示身份（A=原始，B=优化）；报告完成后收集反馈并交给 knowledge-optimizer。
配对有效性条件：两次执行均成功、均使用来自同一仓库状态的干净 worktree、都报告固定的基础 SHA、且都不含环境校验失败。目标收集 3 对有效结果，最多尝试 5 次；仅剩 2 对时降低置信度比较；不足 2 对则结论为 inconclusive，跳过胜负与推荐，只报告诊断信息。
改进分类：结构性（提示词结构与清晰度）、上下文补充（来自代码库的项目信息）、表达性（措辞不同但实质等价）、方差（属 LLM 概率波动，原提示词已足够）。
使用方式：命令为 /recipe-eval-prompt 加自然语言请求，例如“给 geminiService.ts 的 generateResponse 添加错误处理，处理 429、超时与无效响应”，或指向某个技能文件。若用户提到需要更多时间，超时可放宽至最多 1800 秒（默认 300 秒）。请求若完全无可识别目标，需先问一个问题确定范围。
限制与前置条件：需要支持 git worktree lock 的 Git 仓库、Claude Code 子代理执行权限以及足够磁盘空间。错误处理：单侧失败则排除该配对仅保留诊断；不足两对判为 inconclusive；全部失败则报告完整失败；超时终止并清理；worktree 创建失败则报告 git 错误并建议检查仓库状态。
最终输出需完整呈现优化后提示词全文，报告包含输入提示词全文、已应用优化、执行结果、对比分析与学习要点。收费、价格与平台等信息资料未提供。