目的：将明确评估问题适配成同输入实验与可重算证据，交付限定结果和未测维度。

适用于：责任 Agent 已接收任务集合、策略、判定依据、环境与运行预算的有限对照实验。

能力对照评估

消费CE01–CE05，先固定任务/标签及基线意义，核同输入、初始判定与纠正阶段分开。按验证记录真实执行与未测项。

对仓库首批反证报告任务，可使用基准工具和固定案例。工具只比较报告结构判定；基线是明确故意简化的字段检查，不是模型、用户原实践或外部产品。

逐项保初始判断、标签、状态、计时、预设纠正次数；复算漏检/误报及分母。脚本还原不等人工返工，单次耗时不宣传提速；没有测量的模型成本、人工改码和业务效果保 NOT_MEASURED。

输出任务/策略/输入摘要、原始观察、汇总、限制和下一接收者。候选变化重建实验；不自动采私密数据、调用模型、对外发布或后台复跑。

返回：Skills。