能做什么

改了提示词或技能，怎么知道真的变好了？这个技能先逼你把评估主张写清楚：测什么系统、什么模型与推理设置、工具权限、副作用策略、尝试预算与验收门槛，以及什么结果会推翻结论。它提供三种模式——真实工作流测试、技能触发与不触发的边界测试、固定基线的发布对比，配套回归语料与本地脚本做结构校验，只读本地文件。

适用平台

Codex（面向 Codex 的评估流程；四个 Python 脚本只读本地语料与技能描述，不联网）。

来源与安全

已通读 SKILL.md 与全部脚本，未发现外部调用。（本站审查为技能上架时审查，非持续性监控，来源非本站可控，调用技能请自行甄别）