用途：对委员会（committee）产出的最终结论做独立评分与评审。评估者看不到辩论记录、发言人身份、修订历史、投票倾向和少数意见，只看到最终输出、评分标准（rubric）与主题背景。
主要能力：按评分标准逐项独立打分、计算加权总分，并与阈值比较；分数低于阈值时生成批评与改进建议，形成修订循环，最多迭代 3 次，仍未达标则升级给人类决策者。输出包含各项分数、理由、加权总分、结果（接受或复核）以及缺口和修改建议。
使用方式：委员会将输出放入 outbox，作为评估请求进入 evaluation-room 的 inbox；评估方加载 rubric.yml，读取 output_only，逐项打分，写回 evaluations 目录。命令包括 EVALUATE [output]、APPLY RUBRIC [name]、CRITIQUE、REVISE、ESCALATE。
独立性实现：可用全新对话、独立模型实例或系统提示隔离，关键在于评估者不得知道结论如何形成、谁说了什么、考虑过哪些方案、为何忽略某些风险。
适用场景：需要防止委员会优化评分指标、追求真实质量信号的决策评审流程。限制：具体模型、平台、费用与效果资料暂未提供。