用途：在项目中首次初始化评估目录结构，遵循 EDD（Eval-Driven Development）原则，为系统化评估开发做准备。该技能完全独立，不依赖 spec-kit。
主要能力：生成 evals/{system}/ 目录（system 为 promptfoo 或 deepeval），包含 goldset.md、goldset.json、config.yml、config.{js,py} 及 graders/ 目录；自动创建四个安全基线评分器：PII 泄漏、提示注入、幻觉检测、错误信息检测；在 .adlc/evals/ 下生成独立配置与 goldset 模板；完成后自动交接至 /evals-specify 开始错误分析。
使用方式：通过参数传入 --system SYSTEM 指定 promptfoo 或 deepeval，省略时根据技术栈交互选择；其余文本作为系统描述。执行流程包括：扫描 package.json、requirements.txt、Cargo.toml、go.mod 等清单检测技术栈，混合/JS 栈推荐 PromptFoo，Python 原生栈推荐 DeepEval；创建目录结构；若 .adlc/evals/ 缺失则创建，并复制 evals-config-template.yml 为 evals-config.yml；最后触发 /evals-specify。
适用场景：首次为应用搭建评估框架、从传统测试转向评估驱动开发、需要从一开始就自动生成安全基线检查。
限制：若 evals 目录已存在，应改用 /evals-validate 运行测试或 /evals-specify 添加标准；该技能面向项目级应用行为测试，不用于评估团队指令合规性。验证要点包括 goldset.md 存在、evals-config.yml 存在、graders 目录含四个安全基线脚本、results 目录含 .gitignore。