能做什么

智能体改到什么时候算好？这个技能给了硬标准：先用评分表定义「做好了长什么样」，再让独立评分器按表打分，把每次判词读回来决定下一步——修一处再跑、直接通过，还是到上限升级处理。迭代次数被硬性限制在 1 到 20 次，绝不无限自嗨；某一版通过后，还会并行跑从未见过的留出评测。说「帮我把它改到达标」即可进入这个循环。

适用平台

Python 3（outcome_builder / verdict_reader / eval_scaffold 三脚本）

来源与安全

2026-11-04 安全审查：已通读 SKILL.md 与全部脚本，未发现风险点。（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）