用途：运行公平的配对基准，比较同一编码智能体在 recursive-mode 关闭与开启两种条件下的表现，衡量实现质量、可靠性与完成率。
主要能力：为两臂创建一次性仓库，使用相同项目需求、模型家族与成功标准；仅在 recursive-on 仓库中引导 recursive-mode，并放置运行本地的 00-requirements.md；非交互执行所选智能体运行时；对每个完成臂执行强制控制器侧评审（优先 gpt-5.4，必要时回退到被测模型的新实例）；捕获日志、耗时、问题、截图、实时进度与评估结果；生成并排对比的 Markdown 报告与综合评分。
使用方式：当前维护的运行器为 Codex CLI、Kimi CLI 和 OpenCode CLI；OpenCode 建议使用带提供方限定的模型 id 和专用 CLI 二进制而非桌面封装。recursive-on 臂需提示智能体先读取 /.recursive/RECURSIVE.md、桥接文档、路由配置与运行需求。打包场景分 easy、medium、hard、xhard 四档：local-first-planner、team-capacity-board、release-readiness-dashboard、scientific-calculator-rust。
适用场景：对比 recursive-mode 与非递归基线、运行临时基准仓库、选择打包场景、在运行时可承受时并行执行两臂（不稳定则回退串行并记录）。
限制：该技能仅负责基准设置、执行与报告，不替代 recursive-mode 工作流规范；不得使用打包评分标准之外的隐藏标准；不依赖数据库等外部服务；指标不可用时须记录而非伪造；两臂须使用相同超时预算与评分标准；若某臂获得提示须记录并计入惩罚。参考文件包括 ./references/patterns.md、/references/benchmarks/README.md 及 ./scripts/run-recursive-benchmark.py。