holyeval

Use when analyzing ESL-Bench evaluation reports - extracting scores by difficulty dimension, comparing methods, checking fail rates, token costs, duration per query. Triggers on keywords like eslbench report, benchmark results, group by difficulty.

集成外部 benchmark 数据集到 HolyEval 框架 — 从论文/仓库到可执行评测的端到端流程。

Scaffold a new EvalAgent plugin (config + implementation + registration).

Scaffold a new TargetAgent plugin (config + implementation + registration).

引导项目初始化 — 环境安装、配置、验证、启动 Web UI（含 hma-web 公开评测平台）。

审查项目架构健康度 — 检查 GitOps 合规、Plugin 可插拔性、CLI/Web 复用。当用户要求架构审查、代码重构后验证、或新增模块后检查依赖关系时使用。

Run all benchmark test cases or a filtered subset.

运行端到端测试，验证评测框架各组件协作正常。