关于这个 Skill
建立评估数据集、运行并评分 Agent 轨迹，以及分析失败原因。
为什么推荐
涵盖数据集结构、评估指标、裁判配置和迭代修复流程。
适合用来做什么
- 涵盖数据集结构、评估指标、裁判配置和迭代修复流程。
适用范围与使用
涵盖数据集结构、评估指标、裁判配置和迭代修复流程。
请一并安装整套 Skill：此任务会引用共享工作流和其他 Skill。实际云端操作取决于项目配置，并需要相应授权。
使用前需要了解
- Skill 需要编程 Agent 和配套参考文件。执行任务需要 agents-cli；上游列出 Python 3.11+、uv 和 Node.js。调用本地模型需要配置服务提供方；云部署需要 Google Cloud 项目且可能产生费用。
资料与来源
原始资料见下方链接；文中的上手建议由 SkillHey 编辑整理。
