Eval Skill — 多智能体技能评估

对目标 skill 进行结构化多维度评估。用 3 个隔离的子 agent 作为独立考官，各自全面评估后汇总结果。

工作流

Step 1：读取目标 skill

读取目标 skill 目录下的全部文件，跳过二进制和非文本文件：

• SKILL.md
• scripts/*（.sh, .py, .js 等）
• references/*（.md 等）
• 其他文本配置文件

Step 2：并行启动 3 个子 agent

使用 references/evaluation-protocol.md 中的评估协议，填充评估技能信息和全部文件内容后，同时 spawn 3 个子 agent（使用 mode="run"）。

每个子 agent 的 task 内容必须包含：

1. 角色声明（你是独立考官 A/B/C）
2. 评估技能信息
3. 全部评估材料（完整文件内容）
4. 评估标准（8个维度定义，直接从 evaluation-protocol.md 引用）
5. 输出格式要求（含 ===SCORE_SUMMARY=== 标记行）

注意：使用 sessions_spawn 并行发送，不要串行等待。然后 sessions_yield 等待全部完成。

Step 2.5（可选）：分歧追问

聚合分数时如果某个维度最高分 - 最低分 ≥ 3， spawn 一个追问子 agent 专门分析：

你是 Skill Evaluator 的追问考官。关于技能 xxx 的"安全性"维度：
考官 A（9分）理由：...
考官 B（4分）理由：...

请分析双方分歧：谁的论据更强？是否存在双方都没发现的盲点？

将追问结果加入最终报告。

Step 3：聚合结果

从每个子 agent 的输出中提取分数摘要（解析 ===SCORE_SUMMARY=== 标记段）和详细评语。

若某个子 agent 未完成或输出格式异常，标记为 N/A 并在报告中注明。

汇总输出（严格按以下结构）：

══════════════════════════════════════
  Skill 评估报告：<skill名称> v<版本>
══════════════════════════════════════

📊 各维度评分
┌────────────────────┬────┬────┬────┬──────┐
│ 维度               │ A  │ B  │ C  │ 均分 │
├────────────────────┼────┼────┼────┼──────┤
│ 1. 功能完整性      │    │    │    │      │
│ 2. 代码质量        │    │    │    │      │
│ 3. 健壮性          │    │    │    │      │
│ 4. 安全性          │    │    │    │      │
│ 5. 文档质量        │    │    │    │      │
│ 6. 依赖合理性      │    │    │    │      │
│ 7. 预估运行效果    │    │    │    │      │
│ 8. 总评            │    │    │    │      │
└────────────────────┴────┴────┴────┴──────┘

注：维度均分 = (A+B+C)/3，保留一位小数

🔍 主要分歧点

列出最高分-最低分 ≥ 3 的维度（如有），附各方论据和分析。

✅ 共识优势

至少 2 个考官均明确提及的优点（引用原文关键词）

⚠️ 共识问题

至少 2 个考官均明确指出的问题（引用原文关键词）

📝 综合评语

- 整体质量定位
- 最值得改进的 1-2 个点
- 建议评级：推荐 / 可用但有坑 / 不推荐

🔗 推荐搭配

配合 meta-skill-writer 使用——先用它写 skill，再用 eval-skill 检查质量：

clawhub install meta-skill-writer