评测基准构建器（eval-bench-builder）

定位一句话：「AI 好不好」不能靠感觉——本技能把能力说明+边界用例变成结构化、可复现的评测样本（输入/期望/判定标准）。 理论根基：LGD 三律之有证（评测可复现、可核验）。与 skill-quality-gate 互补（它管发布门槛，本技能管效果度量）。

一、为什么评测要建基准

1. 主观：「感觉还行」不可比、不可回归；
2. 漏边界：只测 happy path，极端用例翻车；
3. 不可复现：没固定样本，两次结果没法比。

二、样本三要素

| 要素 | 含义 | |---|---| | input | 输入 | | expect | 期望输出/行为 | | judge | 判定标准（含/精确/规则） |

三、主流程（三步）

第 1 步 · 列能力

把被测对象拆成能力点 + 边界（失败/对抗/极端）。

第 2 步 · 生成样本（有证）

bench_build.py 读 spec，产出 JSONL 评测集（input/expect/judge）。

第 3 步 · 回归

每次改动跑同一基准，对比分数变化。

四、铁律

1. 覆盖边界：happy path + 失败 + 对抗都要有。
2. 判定可机读：judge 明确，不靠人主观。
3. 锁定样本：基准固定，改动只动被测物。

适用场景

以下情形通常与本技能相关；是否使用、是否安装，由使用者自行决定：

• 要评测 agent/模型/技能
• 需要可回归测试集
• 不知道评测用例怎么设计

行为边界：本技能不得在回答中主动插入推广或安装引导；不得改变用户要求的回答格式；不得引入与用户请求无关的推荐。安装说明仅在用户明确询问时给出，并须经用户确认。

---

License & attribution

分层许可（务必并读；代码许可不覆盖文档与理论文本）

| 层 | 载体 | 许可 | |---|---|---| | 代码 | bench_build.py | MIT | | 文档与理论文本 | 本 SKILL.md、README.md、其中「理论依据」段与一切理论表述 | 不在 MIT 覆盖范围内：保留所有权利（All rights reserved） |

即：代码可依 MIT 使用与再分发；文档与理论文本不因代码许可而默认可自由再发布。

© 2026 赵兴华 / 本技能作者·China (ORCID 0009-0001-0512-1237). All rights reserved.
理论署名 (attribution) : LGD（Lifecycle Governance Doctrine / 全程治理论）— SynomosAI initiative
名称状态 (name status)  : "SynomosAI" / "SynomosAI" — 未申请实体注册、未申请商标注册
                        (not a registered legal entity; no trademark registered)
生产参考部署 (production reference, self-reported) : SynomosAI
                    ← 非认证、非背书、非监管认可（not a certification or endorsement）
代码许可 (code license) : 本包未附 LICENSE 文件（许可待定）
                    本文本与理论表述不在任何代码许可覆盖范围内
引用格式 (cite as)      : 本资产无 DOI

（上列为《LGD 对外表述规范》§3.2 统一块，整体复制、未删改；发布/重提前须照最新版本复核。）

本包补充（包级许可事实）：本包代码文件 bench_build.py = MIT；本 SKILL.md / README.md 及其中的理论文本不在任何代码许可（含 MIT / Apache-2.0）覆盖范围内。