메뉴
通过自然语言请求安全地发现、校验、运行、轮询和核验 ProjectFlow Agent 本地评测，并返回机器可读结论与报告路径。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
当需要分工时触发。基于成员技能和可用时间推荐任务分配。
当项目目标模糊、缺少方向卡时触发。帮助团队澄清项目方向、明确目标和交付物。
当需要阶段计划时触发。将项目方向转化为可执行的阶段计划。
当用户触发"主动推进"时使用。分析项目当前状态，发现风险点，生成行动建议和风险记录。
当用户触发"风险分析"时使用。分析项目风险，创建风险记录。
当需要计划调整时触发。基于签到和风险分析结果生成待确认的重规划草案。
| name | evaluation-lab |
| description | 通过自然语言请求安全地发现、校验、运行、轮询和核验 ProjectFlow Agent 本地评测，并返回机器可读结论与报告路径。 |
从仓库根目录使用唯一稳定入口 scripts/eval-lab。不要使用裸 npm、npx、直接调用 tsx，也不要手动启动开发数据库参与评测。
零 Token 校验：
scripts/eval-lab validate --preset smoke --model mock:mock-model
运行 Slice 0 smoke：
scripts/eval-lab run --preset smoke --model mock:mock-model --json
长任务轮询：
scripts/eval-lab status <run-id>
中断后恢复：
scripts/eval-lab run --preset smoke --model mock:mock-model --run-id <run-id> --resume --json
返回结果前验证证据链：
scripts/eval-lab verify <run-id>
需要完整报告时使用 scripts/eval-lab show <run-id>；发现能力和场景时使用 scripts/eval-lab list。
Slice 1 的完整确定性验收使用：
scripts/eval-lab run --preset full --model mock:mock-model --json
scripts/eval-lab verify <run-id>
scripts/eval-lab exit-gate <run-id> --json
scripts/eval-lab reliability <run-id> --json
reliability 对没有显式重复组的单次运行应返回 evidence 不足，不能把不同场景伪装成重复试验。对比分支时由评测器创建隔离 worktree/runtime，不要手工复用正在开发的进程或数据库：
scripts/eval-lab compare --candidate <git-ref> --baseline <git-ref> --preset smoke --model mock:mock-model --json
0：通过1：ProjectFlow Agent 回归2：基础设施失败3：配置、模型或标准校验失败4：预算耗尽或统计证据不足，已保留 partial evidence最终答复必须包含 status、summary、integrityRootSha256 和 artifactPaths。Coding Agent 自身费用不计入 ProjectFlow Agent 的 $0.10 smoke 上限；若外部费用不可测，保持 unknown，不得伪报为 $0.00。