编写Agent评测场景的业务规则文档(BusinessRules.md)。当需要为新场景定义Agent行为规范、业务约束和标准回复时使用此技能。适用于：(1)创建新场景的业务规则 (2)优化现有规则文档 (3)检查规则文档质量
find ~/feixiaoxu2022/ -name "*.skill"
实现Agent评测场景的检查器(Checkers)。当需要验证Agent行为是否正确、设计评测检查点时使用此技能。基于独立脚本模式。
执行Agent自动评测。理解BenchKit框架架构，配置和运行评测任务，收集评测结果。这是Step 4的核心执行工作。
对Agent评测失败案例进行根因分析，准确区分Agent能力问题、样本设计问题、用户模拟器问题和系统问题。当需要分析评测失败原因、归因问题类型、提供改进建议时使用此技能。
合成评测样本。基于unified_scenario_design.yaml和业务规则，生成数据池、构建规则原型、实现样本生成器，产出可用于评测的样本文件。这是Step 3.3-3.6的核心工作。
设计Agent评测场景的统一配置文件(unified_scenario_design.yaml)。当需要创建新评测场景、设计需求模板、提升样本难度时使用此技能。这是init阶段最核心的工作，决定了样本质量和难度。
实现Agent评测场景的业务工具(MCP Tools)。当需要为新场景创建工具、理解工具设计原则时使用此技能。基于FastMCP框架。