如何评估一个智能体技能的质量？

1. 描述质量

评估 description 是否清晰覆盖功能与使用时机，能否让智能体准确识别相关任务。

2. 任务评测

在代表性任务集上运行技能，观察输出是否符合预期、步骤是否稳定可复现。

3. 一致性对比

借助裁判模型、规则或人工对比，量化技能在多次运行间的一致性与对基线的提升。

4. 安全与权限审查

核查技能是否声明了最小必要权限、捆绑脚本是否经过安检、来源是否可信。