用途：帮助用户判断证据对其预期用途的支持程度，一次聚焦一个具体比较。人类定义可接受行为，代理负责组织证据并度量一致性。
主要能力与流程：先阅读 method.md（定义标签、划分、调参与结果解读）、kitaru-contracts.md（身份、提供商语义与本地报告契约）、visual-guidance.md（呈现准则、分歧、划分或结果）；可用 scripts/summarize_validation.py 生成计数报告，它只读取本地分析记录，不获取标签、不联系 Kitaru、不运行评估器。从用户现有证据出发，解析准则、预期用途、评估器/版本与选定结果名、会话群体、既有调查及已保存的分析或作业 ID，尽量从交接材料推断，只询问会改变下一步的缺失决策。通过现有 Kitaru 复核创建或恢复按准则的调查：会话判定仅针对该准则，acceptable 为通过、problematic 为失败、uncertain 为未决，未复核的保持未复核，不得从自由文本推断标签。运行或获取选定评估结果并与已保存人工判定比较，先检查一处分歧；如无分歧则展示一处一致及样本局限，不得编造分歧。调优前分离示例、开发与测试用例，仅用开发证据修订，保留原始报告；冻结配置与验收标准后对未触碰的测试用例做一次性检查并报告计数与局限。区分通过、失败、保留、不可用/错误、缺失证据、不确定人工标签与未复核情况；提供商错误不等于代理失败。保留本地未提交的分析快照，恢复时比较标签、时间戳、准则与配置，输入变化时新建分析修订。
限制与要求：Kitaru CLI 命令与 SDK 脚本需设置 KITARU_ACTIVE_SKILL=kitaru-validate-evaluator；凭证与原始轨迹不得写入提交文件；TypeSafe/Jev 为可选集成，选用时需核验已安装契约；不得将一致性解释为概率校准、生产流行度、部署或新的 CI 门禁。至少需一位有经验评审者提供参考标签，不得因评估器不同意而更改其标签。相关脚本与配置文件的具体参数暂未提供。