用途：这是一个用于以 pytest 风格对 LLM 进行评估的 DeepEval 技能，适用于创建 LLM 测试、评估 RAG 质量、衡量 faithfulness（忠实度）与 relevancy（相关性），以及构建自定义指标。
主要能力：提供 pytest 兼容的 LLM 测试；内置多种指标，包括 AnswerRelevancyMetric、FaithfulnessMetric、ContextualRelevancyMetric、HallucinationMetric、ToxicityMetric、BiasMetric；支持自定义指标创建；支持异步测试执行。
使用方式：技能在以下情况自动调用：创建 pytest 风格 LLM 测试、评估 RAG 质量、测量 faithfulness/relevancy、构建自定义指标。提供脚本 scripts/init-deepeval.sh 用于初始化 DeepEval 项目，scripts/run-tests.sh 用于运行 DeepEval 测试。模板包括 templates/conftest.py（pytest 配置）、templates/test_basic.py（基础测试结构）、templates/test_rag.py（RAG 评估测试）。
适用场景与限制：适合需要以测试方式持续评估 LLM 输出与 RAG 质量的开发与 CI 流程。关于具体收费、价格、平台支持范围、效果保证及完整安装步骤，资料暂未提供。