Skillgrade：让 Agent Skills 可重复评测

是什么 Skillgrade 是 mgechev/skillgrade 的 TypeScript CLI，将带 SKILL.md 的目录作为可测单元。init 自动发现 skill 并生成 eval.yaml；v0.2.0 新增 command agent，可把指令直接交给自有脚本或编排器。给定元数据为 691 stars，最近提交 2026-08-26。

架构与核心设计 eval.yaml 以 task 描述 instruction、workspace、agent/model、provider、trial 与 grader；运行可选 Docker 或 local，workspace 可复制进容器。grader 分为 deterministic 与 llm_rubric，按权重合成分数，expected 只交给 grader 比较。smoke/reliable/regression 对应不同试验规模，并提供过滤、导入、preview 和 CI threshold。

值得借鉴 把技能发现、执行结果与过程质量纳入重复 trial；机器校验和 LLM 评审互补，结果同时呈现 PASS/FAIL、总分、耗时、命令数及分 grader 得分，适合定位回归。

坑与边界 需要 Node.js 20+；Docker provider 还依赖 Docker，AI 生成和 LLM 评审需要对应 API key。模型、provider、grader 会引入波动，5 次 smoke 只是快速体检；expected 不会自动解释，答案比较仍由 grader 负责，CI 应固定配置并提高 trial 数。