xinyuehtx/doc-cli-evals

eval-auth

管理已安装 CLI 工具插件的认证凭据，包括登录、登出、状态检查

eval-case

管理测试用例，包括从 storage backend 拉取、推送，以及创建新用例集（三阶段对话式工作流）

eval-config

管理 CLI 评测框架的配置，包括平台声明、插件管理和 storage backend（Langfuse）连接

eval-progress

查看评测运行进度，包括实时进度条、完成状态、ETA 估算和详细执行日志

eval-report

报告管理，包括从运行数据生成 HTML 报告、推送到 storage backend、从 storage backend 下载报告

eval-run

运行 CLI 评测任务，遍历数据集中的用例，通过 subAgent 执行所有已安装的 CLI 工具插件并评分

eval-score

使用 Rubric 对 CLI 评测结果进行打分，采用两步工作流避免评分偏差

eval-trace

查看和管理 storage backend 的 trace 监听状态，验证连接并查看最近的 traces