用途：在评估执行后对失败结果做分诊与闭环，遵循 EDD 原则 VIII（关闭生产循环），深度分析轨迹失败并路由到正确的解决路径。
主要能力：读取 evals/results/ 中的结果 JSON，提取失败用例与完整多轮对话轨迹（含工具调用）；对每条失败轨迹分类。规格失败（规则缺失、模糊或错误）再细分：机械型（固定可检查模式，如禁用 API、导入形态、文件位置、语法形态）走确定性检查；判断缺口型（需要意图、上下文或跨文件判断）自动触发本地 /team-levelup，在 adlc 分支 drafts/cdr/ 中提出新上下文规则。泛化失败（规则正确但代理仍出错，或评分器缺少边界覆盖）追加评估器待办到 evals/results/evaluator_backlog.md。生成面向 PM、领域专家和 AI 工程师的团队洞察报告 evals/results/team_insights.md；若 git remote 与 gh CLI 可用，则在 team-ai-directives 提交规则/评估变更并开草稿 PR。
使用方式：参数 $ARGUMENTS 支持 --focus AREA（聚焦安全、质量、性能等）与 --dry-run（只分析并打印报告，跳过 PR 创建与本地技能触发）。执行分四阶段：加载评估结果、失败分类、动作路由、跨职能洞察与 PR。
适用场景：在 /evals-validate 之后分析并解决失败；关闭开发循环，把评估失败洞察转化为规则或评估器修复；向干系人生成可读摘要。
限制：评估尚未执行时不可用，需先运行 /evals-validate 生成 evals/results/ 结果；简单任务使用闭环分析属于额外开销。机械型规格失败不应提出 CDR，而应修复或扩展评分器或添加单元测试。具体安装命令、收费与平台信息暂未提供。