recipe-eval-skill

用途：这是一个编排器（orchestrator），不直接执行具体工作。它分为两个阶段：Phase A 通过交互对话创建或修改 Claude Code 技能；Phase B 通过盲测 A/B 配对比较评估技能的实际有效性，最后输出技能质量评级、触发检查结果、盲比结果与上线建议。\n\n主要能力：根据 $ARGUMENTS 自动判断模式——创建（create 或新的技能请求）、更新（improve、update 或提及已有技能）或未指定。编排器通过 Agent 工具调用子代理、通过 Bash 调用脚本，并在其间传递结构化数据：技能生成/修改由 rashomon:skill-creator 完成，质量评级由 rashomon:skill-reviewer 完成，测试任务执行由 eval-executor.py 脚本（通过 claude -p）完成，盲测比较由 rashomon:skill-eval-reporter 完成。执行前先用 TaskCreate 注册全部步骤，每步完成用 TaskUpdate 更新状态。\n\n使用方式：创建模式读 references/create.md，更新模式读 references/update.md；Phase B 读 references/eval.md 并传入交接数据（技能名称、源技能目录、留出测试请求、触发场景、旧技能目录快照与指纹等）。进入 Phase B 前需确认这些数据齐备；若留出请求少于两条，会要求用户提供至少两条逐字请求。Phase B 依次执行触发检查、失败处理（条件性）、以及步骤 3-7 的盲测 A/B 输出质量比较。\n\n适用场景：需要系统化编写 Claude Code 技能并客观验证效果的工作流。限制与前提：需要支持 git worktree lock 的 Git 仓库、PATH 中可用的 claude CLI、以及足够的磁盘空间存放 worktree 副本；Phase B 对源技能为只读；若 Phase B 中单个执行器失败则保留诊断信息并标记比较无结论，两个都失败则报告失败但 Phase A 结果仍有效；用户取消 Phase A 则停止且无需评估。