执行评估闭环

要解决什么问题

复杂任务往往不能「一次生成就对」：实现步骤会漏约束，自检标准也常和真实目标脱节。若只靠单轮对话改代码，容易在局部修补里打转，却缺少可复用的执行清单和可逐项打分的评估标准。

本技能是一个 Meta Skill：它不直接替你写完业务，而是为当前任务在工作目录下生成 executor/SKILL.md 与 evaluator/SKILL.md，再进入执行—评估闭环，让「怎么做」和「算不算完成」两份文档在迭代中一起演进。

如何工作

Phase 0（初始化）：确定 WORKDIR（用户路径优先），从任务描述生成 TASK_ID（kebab-case，≤30 字符）；若 .tmp/{TASK_ID}/ 已存在会询问覆盖、追加编号或取消，并创建任务目录。

Phase 1–2（生成双 Skill）：分析意图、约束与预期产出；有联网则搜索 2–3 条最佳实践与 review checklist，否则标注 [offline]。分别写入执行 Skill（≤100 行初稿）与评估 Skill（≤100 行初稿），评估维度通常覆盖正确性、完整性、质量等。

Phase 3（循环）：默认最多 5 轮（可覆盖）。每轮先按最新 executor/SKILL.md 执行并记录变更摘要，再按 evaluator/SKILL.md 逐项给出 PASS/FAIL。全部 PASS 进入完成报告；有 FAIL 则分析原因并更新 executor 和/或 evaluator，每轮前必须重新读取最新 Skill 文件。达到上限仍 FAIL 时输出当前最佳结果与剩余问题，由用户选择继续、接受或终止。

Phase 4：输出结构化完成报告（目标、迭代次数、变更摘要、评估结果、产出路径、后续建议）。

适用边界与注意点

• 同一 WORKDIR 下可用不同 TASK_ID 并行多任务；.tmp/ 为临时目录，完成后可清理。
• 行数限制主要约束初始生成，迭代中 Skill 可继续演进；executor 步骤中可调用其他 skill。
• 联网不可用会降级离线；Skill 丢失可从模板重建；用户中断会保存进度摘要；单步失败会记录并可能在评估中标记。