Skill 评测 Pro

解决什么问题

评估本地 Skill 时，常见问题不是“能不能跑”，而是不同模型、框架和多个候选 Skill 之间差异不稳定：人工配置评测集、手动驱动模型、逐条比对输出，容易遗漏口径。Skill 评测 Pro 把评测意图转成可执行流程，覆盖单 Skill 验证、多 Skill 横评、多模型横评和运行框架横评。

如何工作

流程以对话推进：先确认评测场景，再选择待评测 Skill、驱动模型与评委模型，随后上传已有评测集或自动生成数据，最后查看云端任务摘要与评分报告。关键步骤包括：

• 场景确认：只先问评测场景，避免一开始混入模型、数据集等阶段 2/3 的决策。
• 配置构建：选择 Skill、模型与评委，确认配置。
• 数据准备：上传评测集或自动生成，并预览确认。
• 执行与报告：静默完成鉴权、打包、上传与轮询，输出结果摘要。

适用边界

它面向本地 Skill 的自动化效果评测，不替代代码评审、系统性能压测或模型训练/微调。输出强调中文交互、编号表格和结果摘要，内部命令、字段与 ID 不直接暴露。若评测目标涉及压测指标或训练管线，应另建独立流程。