agent-evallisted

# agent-eval — Agent/Skills 专项能力评估·可视化报告 核心目标：**一条命令执行脚本，生成 Agent 能力可视化报告**（雷达图 + 排名榜 + 文字报告）。 ## 执行步骤（照抄执行，禁止手写判定） 1. **执行评估**（默认内部自研 9 维模式）： ```bash python3 ~/.agents/skills/agent-eval/scripts/eval_agents.py ``` 缺 matplotlib 时脚本自动改用 `~/.browser-use-env/bin/python3` 重启自身，无需人工处理。 2. **核对控制台三行回执**：`[采集]`（有效技能数/脚本数/关键技能缺失/retro 水位/路径漂移数）、`saved`（两张图路径+体系综合分与评级）、`[排名]`（Top3 + 阻断计数）。exit≠0 或缺回执即失败，禁止未验证报完成。 3. **交付**：向用户报告本轮 round 目录路径、体系综合分/评级、Top3、阻断/高风险短板条数，并附两张图与 report.html 的链接。 ## 可选模式 | 命令 | 用途 | |---|---| | `--mode generic` | 通用 7 基础维（机制创新性/自动化闭环降为附加标签）；`--with-optional` 按 7:1.5 降权并入 | | `--compare <上轮 shards/skills_system.json>` | 雷达图叠加上轮灰色虚线，两轮对比涨跌 | | `--config cfg.json` | 覆盖 skills_dir/key_skills/阈值/开关，用于评估其他本地文件式 Agent | | `--out <目录>` | 自定义产出目录（默认 `~/Desktop/agent-skills-eval-<YYYYMMDD>/`） | ## 评分口径（与脚本 docstring 一致，改动须先改脚本） - 体系级 9 维冻结基线（2026-09-09）：9/9/8/8.5/8/8/7/9/9；调整版信号加减（2026-09-18 裁定）：关键技能缺失阶梯扣分 -0.3/个上限 -1.0、全齐 +0.5、全库零漂移可维护 +0.5、retro<200 扣 -1.0 绑定 `enable_agent_self_evolution` 开关；clamp [0,10] 步进 0.5；overall=均值；评级 A-≥85/B+≥80/B≥75/B-≥70/C+≥65/C≥55/D。 - 逐技能 9 维机械评分（RUBRIC 规则表：frontmatter/行数/脚本数/漂移引用/六组关键词，无裁量）。 - 短板三级：【阻断】frontmatter 契约缺失＞【高风险】失效路径引用＞【一般优化】文档/执行面完善类；每条带行动指引。 - 排名：overall 降序 → 阻断数升序 → 核心四维（功能覆盖/工程实现/可靠可验证/安全治理）均值降序 → 完全同分并列。 ## 出图契约（深色科技风，2026-09-18 用户三次裁定定稿） - **图1 `images/agent_radar.png`**：体系多维雷达，青 #2DD4BF，标杆线 85=A-；底部强弱清单区从底边锚定紧凑排列、标题居中、明细左对齐，每条独立成行不截断，亮点/短板各最多 10 行并在图上标注该规则与总条数（超出指向 agent_rank.md），短板按等级配色。 - **图2 `i