TESTER SKILL MARKETPLACE
下载可复用的 AI 评测技能，把方法、模板和检查规则带回你的项目。
建立人工校准集，检查裁判一致性、位置偏差和门禁附近样本。
把 expected、实际回答和 Trace 组织成脱敏证据包，让 LLM 裁判按指标逐项判定并保留不确定性。