evaluation Skill：为 Agent 系统搭建可复现的评估框架

evaluation 来自 Agent Skills for Context Engineering，指导为 Agent 系统设计可复现的评估体系：以结果为导向、多维量表加权、确定性检查优先于 LLM 评判，并覆盖测试集分层、持续评测与生产监控。文章说明何时启用、与 advanced-evaluation 等 Skill 的分工，以及 Cursor、Claude Code、Codex 下的目录级安装方式，并摘录官方伪代码示例与常见评测陷阱。