[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M783CP25042TSM7KSGEZWSW8":3,"skill-same:01M783CP25042TSM7KSGEZWSW8":47},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":15,"categories":16,"keywords":17,"publishedAt":18,"linkOnly":19,"markdownContent":20,"markdownBody":21,"frontMatter":22,"refName":26,"commitSha":27,"skillDirectory":28,"forksCount":29,"repositoryHtmlUrl":30,"repositoryHomepageUrl":6,"ownerHtmlUrl":31,"ownerBlogUrl":6,"ownerDescription":6,"updatedAt":32,"install":33,"resources":46},"01M783CP25042TSM7KSGEZWSW8","sift-guide",null,"Use this skill whenever you need to evaluate, test, benchmark, or quality-check any skill (SKILL.md), or audit skill \u002F agent \u002F orchestrator execution (transcript × declaration). Trigger on: \"evaluate\", \"test\", \"benchmark\", \"跑评测\", \"评测\", \"跑一下\", \"测试\", \"全面测评\", \"跑所有测评\", \"验证skill\", \"检查skill质量\", \"安全审查\", \"vet\", \"静态分析\", \"analyze\", \"回归\", \"regression\", \"对照\", \"门禁\", \"gate\", \"遵循性\", \"对账\", \"audit\", \"transcript\", \"冻结基线\", \"freeze\", \"题集体检\", \"inspect\", \"report\", \"报告\", \"init\", \"初始化evals\", \"add\", \"加eval\". This skill provides EXACT commands to run for every sift operation.","guixu-labs\u002Fsift","guixu-labs","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F295764325?v=4","01M783AVTQ5BHBCM8KREX7565R","01M783AVVP42VJV6Y3GFC6YE4R",0,"Apache-2.0","https:\u002F\u002Fgithub.com\u002Fguixu-labs\u002Fsift\u002Fblob\u002Fmain\u002Ftools\u002Fskills\u002Fsift-guide\u002FSKILL.md",[],[],"2026-11-15 14:19:17",false,"---\nname: sift-guide\ndescription: >\n  Use this skill whenever you need to evaluate, test, benchmark, or quality-check any skill (SKILL.md), or audit skill \u002F agent \u002F orchestrator execution (transcript × declaration).\n  Trigger on: \"evaluate\", \"test\", \"benchmark\", \"跑评测\", \"评测\", \"跑一下\", \"测试\", \"全面测评\",\n  \"跑所有测评\", \"验证skill\", \"检查skill质量\", \"安全审查\", \"vet\", \"静态分析\", \"analyze\",\n  \"回归\", \"regression\", \"对照\", \"门禁\", \"gate\", \"遵循性\", \"对账\", \"audit\", \"transcript\",\n  \"冻结基线\", \"freeze\", \"题集体检\", \"inspect\",\n  \"report\", \"报告\", \"init\", \"初始化evals\", \"add\", \"加eval\".\n  This skill provides EXACT commands to run for every sift operation.\ntype: guide\ndomain: quality-assurance\n---\n\n# Sift Guide — Agent 操作手册\n\n用 `sift` CLI 做**评测**（skill \u002F agent 的能力，`eval`）和**审计**（skill \u002F agent \u002F 编排者的执行，`audit`）。评测三层质量保障（评分 \u002F 遵循性 \u002F 校准）+ 盲比较 + post-hoc 门禁。\n\n**10 个命令**（`sift --help` 权威）：\n\n```\nvet  analyze  init  add  eval  report  audit  inspect  freeze  gate\n```\n\n## 环境安装\n\n### 如果 sift 未安装\n\n向用户索要 GitHub URL，然后 clone 并安装。**如果不能确定 URL，必须先问用户。**\n\n```bash\n# 用户提供 URL\ngit clone \u003C用户提供的URL> \u002Ftmp\u002Fsift\ncd \u002Ftmp\u002Fsift\nbash install.sh        # 一键：装 CLI + 本 guide skill + 验证环境\n# 或手动：pip install -e .\nsift --help      # 验证\n```\n\n### 环境检查\n\n```bash\nclaude --version          # 动态评测（run\u002Faudit\u002Finit-LLM）依赖 claude -p；analyze\u002Finspect\u002Ffreeze\u002Fvet 不需要\nsift --version      # 评测工具\npython3 --version || python --version  # 必须：>= 3.10\n```\n\n---\n\n## 关键原则：缺少任何输入必须先问用户\n\n**绝对不要假设或猜测。** 以下情况必须停下追问：\n\n| 缺什么 | 问用户什么 |\n|---|---|\n| sift 未安装 | \"请提供 sift 的 GitHub URL\" |\n| 目标 skill 路径不知道 | \"请提供要评测的 skill 路径\" |\n| skill 目录下没有 evals.json | \"没有 evals.json，要我运行 `sift init` 生成吗？\" |\n| evals.json 质量差（>50% 模糊 expectation） | \"当前 evals 质量较差（X\u002FY 条模糊），建议重新生成。要我运行 `sift init` 吗？\" |\n| 做 v1\u002Fv2 回归对照但没给第二个 skill | \"回归对照需要第二个 skill 路径（`--skill-b`），请提供\" |\n| 做门禁判决但没有 benchmark.json | \"`gate` 需要先跑过 `eval` 产出 benchmark.json\" |\n| 做遵循性对账但没有 transcript | \"`audit` 需要真实会话 transcript（cc `.jsonl` 或 opencode session `.json`），请提供\" |\n\n> 注意位置参数差异：`inspect` \u002F `freeze` 吃 **evals.json 路径**，`audit` 吃 **skill 目录 + `--transcript`**，其余多数吃 **skill 目录**。给错会被拒。\n\n---\n\n## 命令意图映射\n\n根据用户的话选择正确的命令：\n\n| 用户说了什么 | 命令 | 说明 |\n|---|---|---|\n| \"安全审查\" \u002F \"vet\" \u002F \"安全检查\" \u002F \"密钥泄露\" | `vet` | 4 扫描器安全审查 |\n| \"静态分析\" \u002F \"analyze\" \u002F \"评分卡\" \u002F \"打分\" \u002F \"体检\" | `analyze` | 11 项结构化评分（零 API 成本） |\n| \"生成 evals\" \u002F \"init evals\" \u002F \"初始化\" \u002F \"出题\" | `init` | LLM 自动生成 evals.json |\n| \"从会话挖题\" \u002F \"transcript 出 eval\" | `init --from-transcript` | 从真实 session 挖 eval |\n| \"加 eval\" \u002F \"写测试用例\" \u002F \"add\" | `add` | 追加单条 eval 到 evals.json |\n| \"题集体检\" \u002F \"inspect\" \u002F \"evals 质量\" | `inspect` | 对 evals.json 静态体检（不执行） |\n| \"冻结基线\" \u002F \"freeze\" \u002F \"固定题集\" | `freeze` | evals.json → 命名 baseline 快照 |\n| \"跑测试\" \u002F \"A\u002FB 测试\" \u002F \"评测\" | `eval` | with\u002Fwithout 或 v1\u002Fv2 对照 |\n| \"评测 agent\" \u002F \"agent 评测\" | `eval --kind agent` | 绝对质量（无 A\u002FB；配合 init\u002Fcritique --kind agent） |\n| \"真任务\" \u002F \"跑真实任务\" \u002F \"live\" | `run --task --cwd` | `run` 真任务命令（不读 evals.json，产 trace 喂 audit） |\n| \"门禁\" \u002F \"判决\" \u002F \"通过没\" \u002F \"gate\" | `gate` | 对 benchmark.json 出 PASS\u002FFAIL\u002FN\u002FA\u002FUNCLEAR |\n| \"遵循性对账\" \u002F \"audit\" \u002F \"按指令做了没\" | `audit` | transcript × SKILL.md 对账 |\n| \"生成报告\" \u002F \"report\" \u002F \"报告\" | `report` | 单 skill HTML 报告 |\n| \"跑所有测评\" \u002F \"全面测评\" | `vet` → `analyze` → `eval` → `gate` → `report` | 全流程串跑 |\n\n---\n\n## 评测模型（先理解再跑）\n\n### 三层并列独立信号（不合成单一总分）\n\n| 引擎 | 问题 | 产出 |\n|------|------|------|\n| **Scoring** | 输出是否正确？ | grading.json |\n| **Compliance** | 过程是否遵循 SKILL.md？ | compliance.json |\n| **Calibration** | 结果×过程是否协调？ | calibration.json |\n\n输出对但过程未遵循 → 高分不可信；输出错但过程遵循 → 逻辑没问题，改指令即可。\n\n### 双率 + 双主位\n\n每条 expectation\u002Fassertion 带 `source`，评分按 source 拆**双率**（遵循性不分双率，见下 audit 段）：\n\n- `*_programmatic`（客观，程序判定）——稳，强信\n- `*_llm`（主观，LLM 判定）——抖，看方向\n\nfixture-eval 下的**双主位**分工：**客观侧信 `delta.pass_rate_programmatic`**（候选 - 基线，A\u002FB 噪声抵消到 0），**主观侧信盲比较胜率**。\n\n### 盲比较（BlindComparator）\n\n同一 LLM 同一次盲评两份产出（不知哪个是候选），判谁更好 + 打 rubric 分。位置随机化，相对判断消阅卷噪声。聚合为 `comparison_summary`（胜\u002F负\u002F平\u002F失败 + 胜率）。仅服务主观题，`programmatic`-only 下自动跳过。\n\n> `eval` 是纯数据生产者——exit 0 只代表产数据成功，**通过\u002F失败判决由 `gate` 出**。\n\n---\n\n## 命令速查\n\n### `vet` — 安全审查\n\n```bash\nsift vet \u002Fpath\u002Fto\u002Fskill                   # 表格（默认不落盘，-o 写文件）\nsift vet \u002Fpath\u002Fto\u002Fskill --format json     # JSON 输出\nsift vet \u002Fpath\u002Fto\u002Fskill --skip-external   # 跳过外部扫描器\nsift vet \u002Fpath\u002Fto\u002Fskill -o report.json    # 指定输出路径\n```\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--format` | table | table \u002F json |\n| `--output` \u002F `-o` | 无（仅终端） | 输出文件（不给则不落盘） |\n| `--skip-external` | 关 | 跳过外部扫描器（aguara、skill-scanner） |\n\n4 扫描器：`aguara`（可选，Prompt 注入）、`skill-scanner`（可选，恶意模式\u002FCVE）、`secrets-scan`（内置，密钥\u002FToken\u002FBase64）、`structure-check`（内置，SKILL.md 结构 + 危险命令）。判定 **SAFE \u002F REVIEW_NEEDED \u002F BLOCKED**，BLOCKED 退 1。\n\n### `analyze` — 静态分析\n\n```bash\nsift analyze \u002Fpath\u002Fto\u002Fskill                       # 表格（默认不落盘，-o 写文件）\nsift analyze \u002Fpath\u002Fto\u002Fskill --format json -o scorecard.json\n```\n\n11 项检查（描述质量 \u002F 命名规范 \u002F 行数 \u002F 示例 \u002F 反捏造等），**零 API 成本，\u003C1s**。输出 scorecard（`score \u002F max_score`）。`score \u003C max_score` → exit 1。\n\n### `init` — 生成 evals.json\n\n```bash\nsift init \u002Fpath\u002Fto\u002Fskill                                  # LLM 生成（默认）\nsift init \u002Fpath\u002Fto\u002Fskill --num-evals 8                    # 限制数量\nsift init \u002Fpath\u002Fto\u002Fskill --from-transcript session.jsonl  # 从真实会话挖 eval\nsift init \u002Fpath\u002Fto\u002Fskill --no-generate-prompts            # 不调 LLM，走模板\n```\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--output` \u002F `-o` | skill 目录 | evals.json 输出目录 |\n| `--generate-prompts` \u002F `--no-generate-prompts` | 开 | 是否用 LLM 生成 L1 eval |\n| `--num-evals` | 无 | 最多生成的 eval 数 |\n| `--from-transcript` | 无 | 从真实 session 挖 eval（加料 SKILL.md，非替代） |\n| `--kind` | (无) | `skill`|`agent`：只挖本 skill\u002Fagent 被调用\u002F被 dispatch 期间段（同 audit --kind）；不传 + 检测到多 skill → 警告 |\n| `--model` | 默认 | LLM 模型 |\n| `--timeout` | 600 | LLM 调用超时秒数（mining 是单次大 prompt；撞超时 → degraded fallback） |\n\n`--from-transcript` 解析 session 重建 input_files\u002Fcommands\u002Fproduced_files，生成带结构化 assertions 的 eval。LLM 失败降级为 fallback eval 会带 `degraded:*` flag 并在终端告警（不再静默）——拿到 degraded eval 要重跑。\n\n### `add` — 追加评测用例\n\n```bash\n# LLM 模式：一句话 → 完整 eval\nsift add \u002Fpath\u002Fto\u002Fskill --idea \"加密PDF用错密码应失败\" --level L2\n\n# 手动模式\nsift add \u002Fpath\u002Fto\u002Fskill --prompt \"Decrypt file.pdf...\" --expectation \"produces output.pdf\" --level L2\n\n# 预览不保存\nsift add \u002Fpath\u002Fto\u002Fskill --idea \"...\" --dry-run\n```\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--idea` | 无 | 自然语言描述，LLM 生成完整 eval case |\n| `--prompt` | 无 | 手动指定 eval prompt |\n| `--expectation` | 无 | 手动指定 expectation（可重复） |\n| `--level` | L1 | L1 \u002F L2 |\n| `--dry-run` | false | 仅预览 |\n\n`--idea` 与 `--prompt` 必须给其一。`--idea` 模式自动分配 id、推导 assertions 和 fixtures。\n\n### `inspect` — 题集体检\n\n```bash\nsift inspect \u002Fpath\u002Fto\u002Fevals.json            # 表格\nsift inspect \u002Fpath\u002Fto\u002Fevals.json --json     # 机器可读\n```\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--json` | 关 | 输出 JSON |\n\n**位置参数是 evals.json 路径**（不是 skill 目录）。对 evals.json 做静态体检：完整性 \u002F 稳定性（programmatic vs LLM 占比）\u002F 问题 flag。**不执行、不调 LLM、不下判决**——帮人决定是否 freeze。\n\n### `freeze` — 冻结基线\n\n```bash\nsift freeze \u002Fpath\u002Fto\u002Fevals.json                              # → baseline.json + baseline.meta.json\nsift freeze \u002Fpath\u002Fto\u002Fevals.json --name v1 --skill-version 1.2\n```\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--name` | baseline | 基线名（→ `\u003Cname>.json` + `\u003Cname>.meta.json`） |\n| `--out` | evals.json 同目录 | 输出目录 |\n| `--skill-version` | 无 | 目标 skill 版本（记入 meta） |\n\n把 evals.json 冻结成命名快照 + 溯源 sidecar，跨 run \u002F CI 复用同一份题。同名覆盖（幂等）。**位置参数是 evals.json 路径**。\n\n### `eval` — A\u002FB 评测\n\n默认 A\u002FB（同一 skill 开\u002F关对照，或 v1\u002Fv2 双 skill）。真任务（不读 evals.json、产 trace 喂 audit）走下面的 `run` 命令。\n\n```bash\nsift eval \u002Fpath\u002Fto\u002Fskill --runs 3                            # with\u002Fwithout 对照\nsift eval v2\u002F --skill-b v1\u002F --evals baseline.json --runs 3   # v1\u002Fv2 回归对照\nsift eval \u002Fpath\u002Fto\u002Fskill --scoring programmatic              # 仅程序化，零 LLM 评分成本\n```\n\n关键参数：\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--evals` | 自动查找 | evals.json 路径 |\n| `--runs` | 1 | 每配置运行次数（推荐 3 抹平波动） |\n| `--scoring` | hybrid | hybrid \u002F programmatic \u002F llm |\n| `--skill-b` | — | v1\u002Fv2 模式：第二个 skill 路径（两边各注入各自 skill） |\n| `--label-a` \u002F `--label-b` | 目录名 | v1\u002Fv2 模式两侧显示标签 |\n| `--no-compliance` \u002F `--compliance` | 开 | 跳过\u002F强制遵循性（默认开，单 run 也产，不绑 `--runs`） |\n| `--security-gate` | 关 | 安全审查返回 BLOCKED\u002FREVIEW_NEEDED 时判失败 |\n| `--no-static` \u002F `--no-vet` \u002F `--no-report` | 都产 | 跳过末尾自动产的静态评分卡 \u002F 安全审查 \u002F HTML 报告（默认都产，写进 iteration-1\u002F；report.html 聚合 benchmark\u002F评分卡\u002F安全） |\n| `--model` | — | claude -p 模型（也控制盲比较\u002F赛后分析是否执行） |\n| `--timeout` \u002F `--max-turns` \u002F `--workers` \u002F `--max-retries` | 300\u002F10\u002F4\u002F2 | 执行控制 |\n\n- **默认 A\u002FB**：位置参数 skill = 候选（side A）。不给 `--skill-b` → with\u002Fwithout 对照；给 `--skill-b \u003Cdir>` → v1\u002Fv2 双 skill。\n- **末尾自动产评分卡 + 安全审查 + HTML 报告**：A\u002FB 跑完后，自动把 `scorecard.json`（静态 11 项）+ `vet-report.json`（原生安全扫描）+ `report.html`（聚合 benchmark\u002F评分卡\u002F安全的自包含 HTML）写进 `iteration-1\u002F`，跑完即得报告（不用再单独 `sift report`；该命令仍可用于 `--previous` 基线对照 \u002F `--open` \u002F 重生成）。三者秒级零 API 成本、各自失败不阻断 eval；`--no-static` \u002F `--no-vet` \u002F `--no-report` 跳过。\n\n### `run` — 真任务\n\n跑真实任务、产 trace 喂 `audit`（不读 evals.json；审计的上游小功能）。`--task` 必填。\n\n```bash\nsift run \u002Fpath\u002Fto\u002Fskill --task \"重构 X 模块\" --cwd .\u002Frepo\n```\n\n- **`--task` 真任务**：在 `--cwd`（拷贝隔离）跑真任务，产 transcript 喂 `audit`，每 run 打印 operational 摘要。**执行器**：默认 `cc`（产 `run-*\u002Ftranscript.jsonl`）；`--executor opencode` 改用 opencode（产 `run-*\u002Ftranscript.json`，需 opencode CLI 在 PATH，模型在 `opencode.json` 配，省略 `--model`）；`--executor cc,opencode` 两执行器各跑 `--runs` 次。无 iteration-1\u002F、不产评分卡\u002F报告。\n- **退出码**：0 = 产数据成功，2 = 输入错误，3 = 执行错误，`--security-gate` 触发时退 1。\n\n### `gate` — 通过\u002F失败判决\n\n对已有 benchmark.json 出判决。**post-hoc 纯函数**——不重跑 claude、毫秒级、可反复改阈值重判。\n\n```bash\nsift gate out\u002Fiteration-1\u002Fbenchmark.json                        # 仅客观回归守卫\nsift gate out\u002Fiteration-1\u002Fbenchmark.json --min-win-rate 0.5     # 加主观盲评阈值\nsift gate out\u002Fiteration-1\u002Fbenchmark.json --no-programmatic-guard --min-win-rate 0.6\n```\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--min-win-rate` | 无 | 主观 gate 阈值（候选 tie-**排除**胜率）；不给则只走客观守卫 |\n| `--min-valid` | 3 | 主观 gate 最少决定性比较数 |\n| `--no-programmatic-guard` | 关 | 关掉客观回归守卫 |\n| `--candidate` | 自动 | 候选侧名 |\n| `--out` \u002F `-o` | benchmark 同目录 | gate.json 输出路径 |\n\n**两轴**（双主位）：客观侧 `delta.pass_rate_programmatic \u003C 0` → FAIL；主观侧 tie-排除胜率 `\u003C 阈值` 且样本足 → FAIL。AND——任一适用轴 FAIL → FAIL；有适用轴但信号不足（判不准\u002F样本不足）→ UNCLEAR；无适用轴 → N\u002FA（不适用）；否则 PASS。写 `gate.json`，退 `0=PASS \u002F 1=FAIL \u002F 2=N\u002FA 或 UNCLEAR`（N\u002FA 与 UNCLEAR 都 exit 2，消费方定）。\n\n### `audit` — 真实 transcript 对账\n\n把真实会话 transcript 与 SKILL.md 对账，判指令遵循性。**不 re-run**，直接对账历史执行。每条 FAIL 自动标**疑似工具噪声 \u002F skill 问题 \u002F 待确认** + 理由（`noise_label` 徽章）——fixture 下 FAIL 常混工具噪声（extractor 误提资源描述当步骤、evidence 自相矛盾），别据噪声误改 skill。\n\n> 判定要逐批调 LLM（每批约 40–257s），跑期间**实时打印进度**：进每个 transcript 打头（`对账 transcript i\u002FN: \u003Cname>`），每个 LLM 批前后各一行——`[条件性\u002F禁令\u002F步骤] 判定 N 条…` → `[条件性\u002F禁令\u002F步骤] 完成 ⏱ Xs`（类别名打头；>10 条分批才显 `批 k\u002F总`）。两种失败（调用失败 \u002F 0 条解析成功）都先自动重试最多 2 次再兜底 UNRESOLVED（没判成），重试打 `重试 n\u002F2…`、耗尽打 `重试耗尽`。三个 LLM 类别判定器并发跑（全局在飞由 AIMD 自适应限），约 2× 提速，进度行交错但每行 `[类别]` 打头、一眼分清。看到 `[条件性\u002F禁令\u002F步骤] …` 滚动就是在跑。\n\n```bash\nsift audit \u002Fpath\u002Fto\u002Fskill\u002F --transcript run-1\u002Ftranscript.jsonl -o audit-out\u002F\nsift audit \u002Fpath\u002Fto\u002Fskill\u002F --transcript a.jsonl --transcript b.jsonl --format json --open\n# transcript 里调了多个 skill,只对账本 skill 被调用的段:\nsift audit \u002Fpath\u002Fto\u002Fskill\u002F --transcript big-multi-skill.jsonl --kind skill\n# opencode 跑出的 session(`opencode export \u003CsessionID>` 导出,顶层 info\u002Fmessages、parts 嵌在 message 里):\nsift audit \u002Fpath\u002Fto\u002Fskill\u002F --transcript opencode-session.json\n```\n\n> **`--transcript` 吃两种格式(按后缀自动分派)**：cc 会话 `.jsonl`（逐行 JSON 记录，含 `Skill`\u002F`Read`\u002F`Write`\u002F`Bash` tool_use）；opencode session `.json`（`opencode export \u003CsessionID>` 的产出，顶层 `info`\u002F`messages`，parts 嵌在 message 里、role\u002Fagent 在 `message.info`）。两者重建成同一 `SessionDigest` 再对账(经同一条 canonical 重建路径:归一到 cc-record 形 → 共享重建器,三源一致)。生产导出：`opencode session list` 找 id → `opencode export \u003Cid> > session.json`（`--sanitize` 可脱敏分享）。**拿到一个 opencode `.db` 文件**(别处拷来的库):直接 `audit --db handed.db` —— 内部自动 list\u002Fexport\u002Faudit(单 session 自动选,多个列出让你挑;底层 = XDG 隔离 + `opencode export`,完整见 reference audit 段)。`run` 命令产的 transcript 默认 cc 格式（`.jsonl`）；给 `--executor opencode` 时产 opencode 格式（`.json`）。\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--transcript` | **必填** | 真实会话 transcript（cc `.jsonl` 或 opencode session `.json`，按格式自动分派；**可重复**，多 transcript 聚合） |\n| `--kind` | (无) | `skill`|`agent`|`root`：切本 skill\u002Fagent 被调用\u002F被 dispatch \u002F 主 agent 作用域段（`skill` 按 `Skill` 调用切；`agent` 按 `agent` 归属切；`root` 切顶层主 agent 作用域——cc `parent_tool_use_id` 为空 \u002F opencode `session.info.agent`，target 名忽略；opencode 单锚点按 per-message `agent` 切） |\n| `--output` \u002F `-o` | .\u002Foutput | 输出目录 |\n| `--model` | 默认 | 语义判定 LLM |\n| `--format` | table | table \u002F json |\n| `--open` | 关 | 生成后浏览器打开 audit-report.html |\n\n> **`--kind skill` 归段 scope-aware（cc）**：每个 `Skill` 调用起一段、归该 skill 到下一次调用；子 agent（Agent 工具）是独立作用域（记录带 `parent_tool_use_id`），子 agent 里用的 skill 切到 Agent 返回、不污染主 agent。target 调多次 → 多段 → 多 transcript 聚合。**两限制**：① skill 无\"返回\"信号，\"调 A→B→不重调 A 接着干 A\"那段归 B（不可测）；② 委派子 skill 折进主 skill（inclusive）需声明、暂不支持。该 skill 没在 transcript 里被调过 → exit 2。\n>\n> **opencode 单锚点（`--kind skill\u002Fagent` 的区分对它无意义）**：opencode 无 `Skill` tool_use，skill = per-message `agent` 字段；按**连续同 agent 的 message** 切段（每次 agent 切换断段）。比 cc 简单但**扁平**——无 cc 的父子作用域（opencode 子 agent \u002F `task` 工具就是另一段 agent run，不像 cc 能让主 span 跨子 agent 不断）。同一段切出后落盘成子 `.json`、再走 rebuild 对账。\n>\n> **`--kind root`：审顶层主 agent \u002F 编排者**。切主 agent 作用域对账（其声明常是 workflow 级 SKILL.md，整 session 审计的地基）。**cc** = `parent_tool_use_id` 为空的全部 record（**单 span**：主 agent 自己的 turn + 它发起的 Agent dispatch tool_use\u002Ftool_result；子 agent 内部 record 的 `parent_tool_use_id` 指向某 Agent 调用，**排除**、归各自 `kind=\"agent\"` 单元审）；**opencode** = `session.info.agent`（declared 主 agent；主 agent message 被子 agent 夹断可能**多 span**，findings pool 聚合、与单 span 等价——root 是 opencode 上 `--kind` 唯一改变 target 的取值：skill\u002Fagent 按声明名、root 取 `session.info.agent`）。**target 名对 root 无意义**（只认作用域、不按名切）。审的是主 agent 的**编排**（dispatch 谁 \u002F 何时 \u002F 怎么接返回），不是子 agent 内部。exit code 不变（无 gate）：cc 主作用域恒非空（never-invoked 不触发 exit 2）；opencode 缺 `session.info.agent` → exit 2。\n\n判定四类（条件性 \u002F 禁令 \u002F 步骤 \u002F 输出格式），每条出**五态 verdict** + **method** 标（`PROGRAMMATIC` 程序对账 \u002F `LLM` 语义判定）：`PASS` \u002F `FAIL` \u002F `N\u002FA`（不适用，场景不触发）\u002F `UNRESOLVED`（没判成，LLM 失败\u002F解析失败\u002F未提及，可重跑）\u002F `INDETERMINATE`（判不准，证据真模糊，重跑无益）；输出格式是确定性子串匹配（`PROGRAMMATIC`，不调 LLM，只 PASS\u002FFAIL）。**禁令判的角度反着来**——主动找违规、不判“遵守没”（如 `NEVER ...` \u002F `不得编造`）。没判成报 UNRESOLVED + “建议重跑”警告、判不准报 INDETERMINATE + 占比告警，都不保守 FAIL（各类判法详表见 reference 的 audit 段）。产出 `audit-report.json` + `audit-report.html`（HTML always 写）。\n\n### `report` — HTML 报告\n\n```bash\nsift report out\u002Fiteration-1\u002F        # 生成静态 report.html\nsift report out\u002Fiteration-1\u002F --open # 生成并打开\n```\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--benchmark` \u002F `--previous` \u002F `--scorecard` | 自动 | 各 JSON 路径（`--scorecard` 别名 `--static`） |\n| `--open` | 关 | 生成后浏览器打开 |\n\n自动发现 `benchmark.json` \u002F `scorecard.json` \u002F `vet-report.json` \u002F `gate.json`（存在则标题旁渲染门禁徽章）。\n\n---\n\n## 帮用户设计 eval 用例\n\n1. 读 SKILL.md，了解 skill 功能和边界\n2. 问用户想测什么场景，或主动建议：\n   - 常规流程（最常用操作）\n   - 边界\u002F错误处理（输入不对、文件缺失）\n   - 工具选择（有多个工具时选哪个）\n   - 输出格式（产出什么文件、什么结构）\n3. 对每个场景用 `sift add \u003Cpath> --idea \"描述\"` 写入\n4. **L1**（知识问答题）测规则理解，**L2**（执行题带 fixture）测实际产出\n5. 跑 `sift eval` 验证用例质量，根据结果迭代\n\n---\n\n## 断言设计原则\n\n### 两层断言体系\n\n| 层级 | 类型 | 判定 | 适用 |\n|------|------|------|------|\n| **Tier 1** 确定性 | `FILE_EXISTS` `FILE_CONTAINS` `CONTAINS_PATTERN` `NOT_CONTAINS` `JSON_HAS_FIELD` `LINE_COUNT` `TOOL_CALLED` `STEP_COUNT` `CUSTOM_SCRIPT` `CUSTOM_PLUGIN` `CROSS_FILE_CONSISTENCY` `CODE_COMPILES` | 正则\u002F文件\u002F工具痕迹检查 | 可机械验证 |\n| **Tier 3** 语义性 | `LLM_GRADE` `LLM_FACT` `LLM_NOT_DELEGATE` | LLM 打分 + 举证 | 语义判断 |\n\n### 关键规则\n\n1. **同一维度只用一层**：不要同时放 `NOT_CONTAINS \"x\"` 和 `LLM_NOT_DELEGATE`\n2. **校准无需特殊 eval 设计**：校准是结果（优先押客观 pass_rate≥0.8，无客观锚回退主观）× 过程（遵循性有无 prohibition\u002Foutput 硬类违规）的 coherence 判决，自动跑、给 5 态 verdict（可信\u002F高分存疑\u002F可修复\u002F技能失效\u002F过程未知），不需要为它刻意\"同一项同时写 assertion + expectation\"\n3. **不为每条 expectation 自动套 CONTAINS_PATTERN**：expectation 是 LLM 语义判断，CONTAINS_PATTERN 是机器正则，量的是不同东西\n\n---\n\n## 标准操作流程\n\n### 首次评测一个 skill（无 evals.json）\n\n```bash\nSKILL=\"\u002Fpath\u002Fto\u002Fskill\"\nOUT=\"output\"\n\n# Step 0: 没有 evals.json 就生成\n[ -f \"$SKILL\u002Fevals.json\" ] || sift init \"$SKILL\"\n\n# Step 1: 静态体检 + 安全审查（零 API 成本）\nsift vet \"$SKILL\"\nsift analyze \"$SKILL\"\n\n# Step 2: A\u002FB 评测（推荐 --runs 3）\nsift eval \"$SKILL\" --runs 3 -o \"$OUT\"\n\n# Step 3: 出门禁判决（exit code 驱动 CI）\nsift gate \"$OUT\u002Fiteration-1\u002Fbenchmark.json\" --min-win-rate 0.5\necho $?    # 0=PASS \u002F 1=FAIL \u002F 2=N\u002FA(不适用) 或 UNCLEAR(判不准)\n\n# Step 4: 看报告\nsift report \"$OUT\u002Fiteration-1\u002F\" --open\n```\n\n### 回归对照（候选 v2 vs 基线 v1）\n\n```bash\n# 冻结同一份题，保证跨 run 同卷\nsift freeze path\u002Fto\u002Fevals.json --name baseline\n\n# A\u002FB 跑（两边各注入各自 skill）\nsift eval v2\u002F --skill-b v1\u002F --evals baseline.json --runs 3 -o out\u002F\n\n# 出判决\nsift gate out\u002Fiteration-1\u002Fbenchmark.json --min-win-rate 0.5\n```\n\n### 真任务遵循性（`--task` 真任务 → 对账指令）\n\n```bash\n# 跑真实任务（--cwd 拷贝隔离，cc 不碰原目录）\nsift run \u002Fpath\u002Fto\u002Fskill\u002F --task \"\u003C真实任务>\" --cwd .\u002Frepo --runs 2 -o \u002Ftmp\u002Flive\n\n# 对账 transcript × SKILL.md\nsift audit \u002Fpath\u002Fto\u002Fskill\u002F --transcript \u002Ftmp\u002Flive\u002Frun-1\u002Ftranscript.jsonl -o \u002Ftmp\u002Flive-audit --open\n```\n\n### \"快速验证\"\n\n```bash\nsift eval \u002Fpath\u002Fto\u002Fskill --eval-samples 3 --runs 1 -o out\u002F\nsift eval \u002Fpath\u002Fto\u002Fskill --eval-ids 3,5 --runs 1 -o out\u002F  # 只跑指定 id(调试\u002F回归某几道;和 --eval-samples\u002F--changed-from 三选一互斥)\nsift eval \u002Fpath\u002Fto\u002Fskill --changed-from \u002Fpath\u002Fto\u002Fv1 --runs 1 -o out\u002F  # 改 skill 后只跑受影响的题(给基线目录;回归探针;和 --eval-samples\u002F--eval-ids 互斥)\n```\n\n---\n\n## 评测产物\n\n```\noutput\u002Fiteration-1\u002F\n├── benchmark.json          # 聚合：双率 delta + comparisons + comparison_summary + analysis（--changed-from 子集跑时另记 selection）\n├── report.html             # 自包含 HTML 报告（读 gate.json 显门禁徽章；eval 末尾自动产）\n├── gate.json               # gate 命令产出（判决 + 四轴明细；非 eval 产出）\n├── scorecard.json          # eval 末尾自动产（静态评分卡；也可 analyze -o 单独产）\n├── vet-report.json         # eval 末尾自动产（原生安全扫描；也可 vet -o 单独产）\n└── with_skill\u002F             # v1\u002Fv2 模式换成各自标签名\n    └── eval-\u003Cid>\u002Frun-\u003Cn>\u002F\n        ├── outputs\u002F        # Claude 产生的文件（skill references 已自动拷入）\n        ├── grading.json    # 评分（expectations + assertions pass\u002Ffail，双率）\n        ├── compliance.json # 遵循性检查（五态 verdict + method；仅 with_skill）\n        ├── calibration.json\n        ├── run_debug.json  # 完整回复 + tool_calls + timing\n        └── timing.json\n```\n\n报告完整性检查：\n\n```bash\npython3 \u003C\u003C 'PYEOF'\nfrom pathlib import Path; import json\nit = Path(\"output\u002Fiteration-1\")\nok = True\nfor f in ['benchmark.json','report.html']:\n    if not (it\u002Ff).exists(): print(f'MISSING: {f}'); ok = False\nif (it\u002F'gate.json').exists():\n    g=json.load(open(it\u002F'gate.json')); print(f'gate: {g[\"decision\"]}')\nif (it\u002F'scorecard.json').exists():\n    s=json.load(open(it\u002F'scorecard.json')); print(f'scorecard: {s.get(\"score\")}\u002F{s.get(\"max_score\")}')\nif (it\u002F'vet-report.json').exists():\n    v=json.load(open(it\u002F'vet-report.json')); print(f'vet: {v[\"verdict\"]}')\nif (it\u002F'benchmark.json').exists():\n    b=json.load(open(it\u002F'benchmark.json'))\n    delta=b.get('run_summary',{}).get('delta',{})\n    cs=b.get('comparison_summary',{})\n    print(f\"delta.pass_rate_programmatic: {delta.get('pass_rate_programmatic')}\")\n    if cs: print(f\"blind win_rate: {cs.get('win_rate')} ({cs.get('a_wins')}W\u002F{cs.get('b_wins')}L\u002F{cs.get('ties')}T\u002F{cs.get('failed')}F)\")\nprint('ALL OK' if ok else 'ISSUES')\nPYEOF\n```\n\n---\n\n## 常见问题\n\n| 问题 | 解决 |\n|---|---|\n| sift 未安装 | 向用户索要 GitHub URL，clone + `bash install.sh` |\n| `eval` 退 1 了 | 只在 `--security-gate` 触发时；负 delta 不再退 1。通过\u002F失败看 `gate` |\n| pass_rate 全 0% | expectation 太模糊，重新 `init`；或用 `--scoring llm` |\n| 超时 | `--timeout 600`，`--eval-samples 5` \u002F `--eval-ids 3,5` \u002F `--changed-from v1\u002F`（只跑某几道） |\n| without_skill 无 grading | 正常（无 skill 时 Claude 可能不产出可评判内容） |\n| calibration 过程未知 | compliance 缺失或无可判定项（如纯推理题）；正常现象，非缺陷 |\n| calibration 高分存疑 | 输出对了但过程违反 prohibition\u002Foutput 硬性规则；看 evidence 核对 |\n| benchmark.json 缺失 | aggregation 失败，单独 `sift report iteration-1\u002F` |\n| report 评分卡\u002F安全面板空 | run 默认已自动产；若空说明跑了 `--no-static`\u002F`--no-vet` 或 analyze\u002Fvet 失败（run 会打 Warning，不阻断）|\n| LLM 断言返回 \"Not evaluated\" | 自动重试（默认最多 2 次）；仍 UNEVAL 则标记 INDETERMINATE（报告里区分显示，不混成 FAIL） |\n| 单次运行方差大 | `--runs 1` 仅快速验证；推荐 `--runs 3` 启用异常检测和统计有效性 |\n| 遵循性率低 | SKILL.md 指令有矛盾或太难遵循，重写指令 |\n| `init --from-transcript` 出 degraded | LLM 失败走了 fallback，终端会告警；重跑或检查 claude CLI 可用性 |\n","# Sift Guide — Agent 操作手册\n\n用 `sift` CLI 做**评测**（skill \u002F agent 的能力，`eval`）和**审计**（skill \u002F agent \u002F 编排者的执行，`audit`）。评测三层质量保障（评分 \u002F 遵循性 \u002F 校准）+ 盲比较 + post-hoc 门禁。\n\n**10 个命令**（`sift --help` 权威）：\n\n```\nvet  analyze  init  add  eval  report  audit  inspect  freeze  gate\n```\n\n## 环境安装\n\n### 如果 sift 未安装\n\n向用户索要 GitHub URL，然后 clone 并安装。**如果不能确定 URL，必须先问用户。**\n\n```bash\n# 用户提供 URL\ngit clone \u003C用户提供的URL> \u002Ftmp\u002Fsift\ncd \u002Ftmp\u002Fsift\nbash install.sh        # 一键：装 CLI + 本 guide skill + 验证环境\n# 或手动：pip install -e .\nsift --help      # 验证\n```\n\n### 环境检查\n\n```bash\nclaude --version          # 动态评测（run\u002Faudit\u002Finit-LLM）依赖 claude -p；analyze\u002Finspect\u002Ffreeze\u002Fvet 不需要\nsift --version      # 评测工具\npython3 --version || python --version  # 必须：>= 3.10\n```\n\n---\n\n## 关键原则：缺少任何输入必须先问用户\n\n**绝对不要假设或猜测。** 以下情况必须停下追问：\n\n| 缺什么 | 问用户什么 |\n|---|---|\n| sift 未安装 | \"请提供 sift 的 GitHub URL\" |\n| 目标 skill 路径不知道 | \"请提供要评测的 skill 路径\" |\n| skill 目录下没有 evals.json | \"没有 evals.json，要我运行 `sift init` 生成吗？\" |\n| evals.json 质量差（>50% 模糊 expectation） | \"当前 evals 质量较差（X\u002FY 条模糊），建议重新生成。要我运行 `sift init` 吗？\" |\n| 做 v1\u002Fv2 回归对照但没给第二个 skill | \"回归对照需要第二个 skill 路径（`--skill-b`），请提供\" |\n| 做门禁判决但没有 benchmark.json | \"`gate` 需要先跑过 `eval` 产出 benchmark.json\" |\n| 做遵循性对账但没有 transcript | \"`audit` 需要真实会话 transcript（cc `.jsonl` 或 opencode session `.json`），请提供\" |\n\n> 注意位置参数差异：`inspect` \u002F `freeze` 吃 **evals.json 路径**，`audit` 吃 **skill 目录 + `--transcript`**，其余多数吃 **skill 目录**。给错会被拒。\n\n---\n\n## 命令意图映射\n\n根据用户的话选择正确的命令：\n\n| 用户说了什么 | 命令 | 说明 |\n|---|---|---|\n| \"安全审查\" \u002F \"vet\" \u002F \"安全检查\" \u002F \"密钥泄露\" | `vet` | 4 扫描器安全审查 |\n| \"静态分析\" \u002F \"analyze\" \u002F \"评分卡\" \u002F \"打分\" \u002F \"体检\" | `analyze` | 11 项结构化评分（零 API 成本） |\n| \"生成 evals\" \u002F \"init evals\" \u002F \"初始化\" \u002F \"出题\" | `init` | LLM 自动生成 evals.json |\n| \"从会话挖题\" \u002F \"transcript 出 eval\" | `init --from-transcript` | 从真实 session 挖 eval |\n| \"加 eval\" \u002F \"写测试用例\" \u002F \"add\" | `add` | 追加单条 eval 到 evals.json |\n| \"题集体检\" \u002F \"inspect\" \u002F \"evals 质量\" | `inspect` | 对 evals.json 静态体检（不执行） |\n| \"冻结基线\" \u002F \"freeze\" \u002F \"固定题集\" | `freeze` | evals.json → 命名 baseline 快照 |\n| \"跑测试\" \u002F \"A\u002FB 测试\" \u002F \"评测\" | `eval` | with\u002Fwithout 或 v1\u002Fv2 对照 |\n| \"评测 agent\" \u002F \"agent 评测\" | `eval --kind agent` | 绝对质量（无 A\u002FB；配合 init\u002Fcritique --kind agent） |\n| \"真任务\" \u002F \"跑真实任务\" \u002F \"live\" | `run --task --cwd` | `run` 真任务命令（不读 evals.json，产 trace 喂 audit） |\n| \"门禁\" \u002F \"判决\" \u002F \"通过没\" \u002F \"gate\" | `gate` | 对 benchmark.json 出 PASS\u002FFAIL\u002FN\u002FA\u002FUNCLEAR |\n| \"遵循性对账\" \u002F \"audit\" \u002F \"按指令做了没\" | `audit` | transcript × SKILL.md 对账 |\n| \"生成报告\" \u002F \"report\" \u002F \"报告\" | `report` | 单 skill HTML 报告 |\n| \"跑所有测评\" \u002F \"全面测评\" | `vet` → `analyze` → `eval` → `gate` → `report` | 全流程串跑 |\n\n---\n\n## 评测模型（先理解再跑）\n\n### 三层并列独立信号（不合成单一总分）\n\n| 引擎 | 问题 | 产出 |\n|------|------|------|\n| **Scoring** | 输出是否正确？ | grading.json |\n| **Compliance** | 过程是否遵循 SKILL.md？ | compliance.json |\n| **Calibration** | 结果×过程是否协调？ | calibration.json |\n\n输出对但过程未遵循 → 高分不可信；输出错但过程遵循 → 逻辑没问题，改指令即可。\n\n### 双率 + 双主位\n\n每条 expectation\u002Fassertion 带 `source`，评分按 source 拆**双率**（遵循性不分双率，见下 audit 段）：\n\n- `*_programmatic`（客观，程序判定）——稳，强信\n- `*_llm`（主观，LLM 判定）——抖，看方向\n\nfixture-eval 下的**双主位**分工：**客观侧信 `delta.pass_rate_programmatic`**（候选 - 基线，A\u002FB 噪声抵消到 0），**主观侧信盲比较胜率**。\n\n### 盲比较（BlindComparator）\n\n同一 LLM 同一次盲评两份产出（不知哪个是候选），判谁更好 + 打 rubric 分。位置随机化，相对判断消阅卷噪声。聚合为 `comparison_summary`（胜\u002F负\u002F平\u002F失败 + 胜率）。仅服务主观题，`programmatic`-only 下自动跳过。\n\n> `eval` 是纯数据生产者——exit 0 只代表产数据成功，**通过\u002F失败判决由 `gate` 出**。\n\n---\n\n## 命令速查\n\n### `vet` — 安全审查\n\n```bash\nsift vet \u002Fpath\u002Fto\u002Fskill                   # 表格（默认不落盘，-o 写文件）\nsift vet \u002Fpath\u002Fto\u002Fskill --format json     # JSON 输出\nsift vet \u002Fpath\u002Fto\u002Fskill --skip-external   # 跳过外部扫描器\nsift vet \u002Fpath\u002Fto\u002Fskill -o report.json    # 指定输出路径\n```\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--format` | table | table \u002F json |\n| `--output` \u002F `-o` | 无（仅终端） | 输出文件（不给则不落盘） |\n| `--skip-external` | 关 | 跳过外部扫描器（aguara、skill-scanner） |\n\n4 扫描器：`aguara`（可选，Prompt 注入）、`skill-scanner`（可选，恶意模式\u002FCVE）、`secrets-scan`（内置，密钥\u002FToken\u002FBase64）、`structure-check`（内置，SKILL.md 结构 + 危险命令）。判定 **SAFE \u002F REVIEW_NEEDED \u002F BLOCKED**，BLOCKED 退 1。\n\n### `analyze` — 静态分析\n\n```bash\nsift analyze \u002Fpath\u002Fto\u002Fskill                       # 表格（默认不落盘，-o 写文件）\nsift analyze \u002Fpath\u002Fto\u002Fskill --format json -o scorecard.json\n```\n\n11 项检查（描述质量 \u002F 命名规范 \u002F 行数 \u002F 示例 \u002F 反捏造等），**零 API 成本，\u003C1s**。输出 scorecard（`score \u002F max_score`）。`score \u003C max_score` → exit 1。\n\n### `init` — 生成 evals.json\n\n```bash\nsift init \u002Fpath\u002Fto\u002Fskill                                  # LLM 生成（默认）\nsift init \u002Fpath\u002Fto\u002Fskill --num-evals 8                    # 限制数量\nsift init \u002Fpath\u002Fto\u002Fskill --from-transcript session.jsonl  # 从真实会话挖 eval\nsift init \u002Fpath\u002Fto\u002Fskill --no-generate-prompts            # 不调 LLM，走模板\n```\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--output` \u002F `-o` | skill 目录 | evals.json 输出目录 |\n| `--generate-prompts` \u002F `--no-generate-prompts` | 开 | 是否用 LLM 生成 L1 eval |\n| `--num-evals` | 无 | 最多生成的 eval 数 |\n| `--from-transcript` | 无 | 从真实 session 挖 eval（加料 SKILL.md，非替代） |\n| `--kind` | (无) | `skill`|`agent`：只挖本 skill\u002Fagent 被调用\u002F被 dispatch 期间段（同 audit --kind）；不传 + 检测到多 skill → 警告 |\n| `--model` | 默认 | LLM 模型 |\n| `--timeout` | 600 | LLM 调用超时秒数（mining 是单次大 prompt；撞超时 → degraded fallback） |\n\n`--from-transcript` 解析 session 重建 input_files\u002Fcommands\u002Fproduced_files，生成带结构化 assertions 的 eval。LLM 失败降级为 fallback eval 会带 `degraded:*` flag 并在终端告警（不再静默）——拿到 degraded eval 要重跑。\n\n### `add` — 追加评测用例\n\n```bash\n# LLM 模式：一句话 → 完整 eval\nsift add \u002Fpath\u002Fto\u002Fskill --idea \"加密PDF用错密码应失败\" --level L2\n\n# 手动模式\nsift add \u002Fpath\u002Fto\u002Fskill --prompt \"Decrypt file.pdf...\" --expectation \"produces output.pdf\" --level L2\n\n# 预览不保存\nsift add \u002Fpath\u002Fto\u002Fskill --idea \"...\" --dry-run\n```\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--idea` | 无 | 自然语言描述，LLM 生成完整 eval case |\n| `--prompt` | 无 | 手动指定 eval prompt |\n| `--expectation` | 无 | 手动指定 expectation（可重复） |\n| `--level` | L1 | L1 \u002F L2 |\n| `--dry-run` | false | 仅预览 |\n\n`--idea` 与 `--prompt` 必须给其一。`--idea` 模式自动分配 id、推导 assertions 和 fixtures。\n\n### `inspect` — 题集体检\n\n```bash\nsift inspect \u002Fpath\u002Fto\u002Fevals.json            # 表格\nsift inspect \u002Fpath\u002Fto\u002Fevals.json --json     # 机器可读\n```\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--json` | 关 | 输出 JSON |\n\n**位置参数是 evals.json 路径**（不是 skill 目录）。对 evals.json 做静态体检：完整性 \u002F 稳定性（programmatic vs LLM 占比）\u002F 问题 flag。**不执行、不调 LLM、不下判决**——帮人决定是否 freeze。\n\n### `freeze` — 冻结基线\n\n```bash\nsift freeze \u002Fpath\u002Fto\u002Fevals.json                              # → baseline.json + baseline.meta.json\nsift freeze \u002Fpath\u002Fto\u002Fevals.json --name v1 --skill-version 1.2\n```\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--name` | baseline | 基线名（→ `\u003Cname>.json` + `\u003Cname>.meta.json`） |\n| `--out` | evals.json 同目录 | 输出目录 |\n| `--skill-version` | 无 | 目标 skill 版本（记入 meta） |\n\n把 evals.json 冻结成命名快照 + 溯源 sidecar，跨 run \u002F CI 复用同一份题。同名覆盖（幂等）。**位置参数是 evals.json 路径**。\n\n### `eval` — A\u002FB 评测\n\n默认 A\u002FB（同一 skill 开\u002F关对照，或 v1\u002Fv2 双 skill）。真任务（不读 evals.json、产 trace 喂 audit）走下面的 `run` 命令。\n\n```bash\nsift eval \u002Fpath\u002Fto\u002Fskill --runs 3                            # with\u002Fwithout 对照\nsift eval v2\u002F --skill-b v1\u002F --evals baseline.json --runs 3   # v1\u002Fv2 回归对照\nsift eval \u002Fpath\u002Fto\u002Fskill --scoring programmatic              # 仅程序化，零 LLM 评分成本\n```\n\n关键参数：\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--evals` | 自动查找 | evals.json 路径 |\n| `--runs` | 1 | 每配置运行次数（推荐 3 抹平波动） |\n| `--scoring` | hybrid | hybrid \u002F programmatic \u002F llm |\n| `--skill-b` | — | v1\u002Fv2 模式：第二个 skill 路径（两边各注入各自 skill） |\n| `--label-a` \u002F `--label-b` | 目录名 | v1\u002Fv2 模式两侧显示标签 |\n| `--no-compliance` \u002F `--compliance` | 开 | 跳过\u002F强制遵循性（默认开，单 run 也产，不绑 `--runs`） |\n| `--security-gate` | 关 | 安全审查返回 BLOCKED\u002FREVIEW_NEEDED 时判失败 |\n| `--no-static` \u002F `--no-vet` \u002F `--no-report` | 都产 | 跳过末尾自动产的静态评分卡 \u002F 安全审查 \u002F HTML 报告（默认都产，写进 iteration-1\u002F；report.html 聚合 benchmark\u002F评分卡\u002F安全） |\n| `--model` | — | claude -p 模型（也控制盲比较\u002F赛后分析是否执行） |\n| `--timeout` \u002F `--max-turns` \u002F `--workers` \u002F `--max-retries` | 300\u002F10\u002F4\u002F2 | 执行控制 |\n\n- **默认 A\u002FB**：位置参数 skill = 候选（side A）。不给 `--skill-b` → with\u002Fwithout 对照；给 `--skill-b \u003Cdir>` → v1\u002Fv2 双 skill。\n- **末尾自动产评分卡 + 安全审查 + HTML 报告**：A\u002FB 跑完后，自动把 `scorecard.json`（静态 11 项）+ `vet-report.json`（原生安全扫描）+ `report.html`（聚合 benchmark\u002F评分卡\u002F安全的自包含 HTML）写进 `iteration-1\u002F`，跑完即得报告（不用再单独 `sift report`；该命令仍可用于 `--previous` 基线对照 \u002F `--open` \u002F 重生成）。三者秒级零 API 成本、各自失败不阻断 eval；`--no-static` \u002F `--no-vet` \u002F `--no-report` 跳过。\n\n### `run` — 真任务\n\n跑真实任务、产 trace 喂 `audit`（不读 evals.json；审计的上游小功能）。`--task` 必填。\n\n```bash\nsift run \u002Fpath\u002Fto\u002Fskill --task \"重构 X 模块\" --cwd .\u002Frepo\n```\n\n- **`--task` 真任务**：在 `--cwd`（拷贝隔离）跑真任务，产 transcript 喂 `audit`，每 run 打印 operational 摘要。**执行器**：默认 `cc`（产 `run-*\u002Ftranscript.jsonl`）；`--executor opencode` 改用 opencode（产 `run-*\u002Ftranscript.json`，需 opencode CLI 在 PATH，模型在 `opencode.json` 配，省略 `--model`）；`--executor cc,opencode` 两执行器各跑 `--runs` 次。无 iteration-1\u002F、不产评分卡\u002F报告。\n- **退出码**：0 = 产数据成功，2 = 输入错误，3 = 执行错误，`--security-gate` 触发时退 1。\n\n### `gate` — 通过\u002F失败判决\n\n对已有 benchmark.json 出判决。**post-hoc 纯函数**——不重跑 claude、毫秒级、可反复改阈值重判。\n\n```bash\nsift gate out\u002Fiteration-1\u002Fbenchmark.json                        # 仅客观回归守卫\nsift gate out\u002Fiteration-1\u002Fbenchmark.json --min-win-rate 0.5     # 加主观盲评阈值\nsift gate out\u002Fiteration-1\u002Fbenchmark.json --no-programmatic-guard --min-win-rate 0.6\n```\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--min-win-rate` | 无 | 主观 gate 阈值（候选 tie-**排除**胜率）；不给则只走客观守卫 |\n| `--min-valid` | 3 | 主观 gate 最少决定性比较数 |\n| `--no-programmatic-guard` | 关 | 关掉客观回归守卫 |\n| `--candidate` | 自动 | 候选侧名 |\n| `--out` \u002F `-o` | benchmark 同目录 | gate.json 输出路径 |\n\n**两轴**（双主位）：客观侧 `delta.pass_rate_programmatic \u003C 0` → FAIL；主观侧 tie-排除胜率 `\u003C 阈值` 且样本足 → FAIL。AND——任一适用轴 FAIL → FAIL；有适用轴但信号不足（判不准\u002F样本不足）→ UNCLEAR；无适用轴 → N\u002FA（不适用）；否则 PASS。写 `gate.json`，退 `0=PASS \u002F 1=FAIL \u002F 2=N\u002FA 或 UNCLEAR`（N\u002FA 与 UNCLEAR 都 exit 2，消费方定）。\n\n### `audit` — 真实 transcript 对账\n\n把真实会话 transcript 与 SKILL.md 对账，判指令遵循性。**不 re-run**，直接对账历史执行。每条 FAIL 自动标**疑似工具噪声 \u002F skill 问题 \u002F 待确认** + 理由（`noise_label` 徽章）——fixture 下 FAIL 常混工具噪声（extractor 误提资源描述当步骤、evidence 自相矛盾），别据噪声误改 skill。\n\n> 判定要逐批调 LLM（每批约 40–257s），跑期间**实时打印进度**：进每个 transcript 打头（`对账 transcript i\u002FN: \u003Cname>`），每个 LLM 批前后各一行——`[条件性\u002F禁令\u002F步骤] 判定 N 条…` → `[条件性\u002F禁令\u002F步骤] 完成 ⏱ Xs`（类别名打头；>10 条分批才显 `批 k\u002F总`）。两种失败（调用失败 \u002F 0 条解析成功）都先自动重试最多 2 次再兜底 UNRESOLVED（没判成），重试打 `重试 n\u002F2…`、耗尽打 `重试耗尽`。三个 LLM 类别判定器并发跑（全局在飞由 AIMD 自适应限），约 2× 提速，进度行交错但每行 `[类别]` 打头、一眼分清。看到 `[条件性\u002F禁令\u002F步骤] …` 滚动就是在跑。\n\n```bash\nsift audit \u002Fpath\u002Fto\u002Fskill\u002F --transcript run-1\u002Ftranscript.jsonl -o audit-out\u002F\nsift audit \u002Fpath\u002Fto\u002Fskill\u002F --transcript a.jsonl --transcript b.jsonl --format json --open\n# transcript 里调了多个 skill,只对账本 skill 被调用的段:\nsift audit \u002Fpath\u002Fto\u002Fskill\u002F --transcript big-multi-skill.jsonl --kind skill\n# opencode 跑出的 session(`opencode export \u003CsessionID>` 导出,顶层 info\u002Fmessages、parts 嵌在 message 里):\nsift audit \u002Fpath\u002Fto\u002Fskill\u002F --transcript opencode-session.json\n```\n\n> **`--transcript` 吃两种格式(按后缀自动分派)**：cc 会话 `.jsonl`（逐行 JSON 记录，含 `Skill`\u002F`Read`\u002F`Write`\u002F`Bash` tool_use）；opencode session `.json`（`opencode export \u003CsessionID>` 的产出，顶层 `info`\u002F`messages`，parts 嵌在 message 里、role\u002Fagent 在 `message.info`）。两者重建成同一 `SessionDigest` 再对账(经同一条 canonical 重建路径:归一到 cc-record 形 → 共享重建器,三源一致)。生产导出：`opencode session list` 找 id → `opencode export \u003Cid> > session.json`（`--sanitize` 可脱敏分享）。**拿到一个 opencode `.db` 文件**(别处拷来的库):直接 `audit --db handed.db` —— 内部自动 list\u002Fexport\u002Faudit(单 session 自动选,多个列出让你挑;底层 = XDG 隔离 + `opencode export`,完整见 reference audit 段)。`run` 命令产的 transcript 默认 cc 格式（`.jsonl`）；给 `--executor opencode` 时产 opencode 格式（`.json`）。\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--transcript` | **必填** | 真实会话 transcript（cc `.jsonl` 或 opencode session `.json`，按格式自动分派；**可重复**，多 transcript 聚合） |\n| `--kind` | (无) | `skill`|`agent`|`root`：切本 skill\u002Fagent 被调用\u002F被 dispatch \u002F 主 agent 作用域段（`skill` 按 `Skill` 调用切；`agent` 按 `agent` 归属切；`root` 切顶层主 agent 作用域——cc `parent_tool_use_id` 为空 \u002F opencode `session.info.agent`，target 名忽略；opencode 单锚点按 per-message `agent` 切） |\n| `--output` \u002F `-o` | .\u002Foutput | 输出目录 |\n| `--model` | 默认 | 语义判定 LLM |\n| `--format` | table | table \u002F json |\n| `--open` | 关 | 生成后浏览器打开 audit-report.html |\n\n> **`--kind skill` 归段 scope-aware（cc）**：每个 `Skill` 调用起一段、归该 skill 到下一次调用；子 agent（Agent 工具）是独立作用域（记录带 `parent_tool_use_id`），子 agent 里用的 skill 切到 Agent 返回、不污染主 agent。target 调多次 → 多段 → 多 transcript 聚合。**两限制**：① skill 无\"返回\"信号，\"调 A→B→不重调 A 接着干 A\"那段归 B（不可测）；② 委派子 skill 折进主 skill（inclusive）需声明、暂不支持。该 skill 没在 transcript 里被调过 → exit 2。\n>\n> **opencode 单锚点（`--kind skill\u002Fagent` 的区分对它无意义）**：opencode 无 `Skill` tool_use，skill = per-message `agent` 字段；按**连续同 agent 的 message** 切段（每次 agent 切换断段）。比 cc 简单但**扁平**——无 cc 的父子作用域（opencode 子 agent \u002F `task` 工具就是另一段 agent run，不像 cc 能让主 span 跨子 agent 不断）。同一段切出后落盘成子 `.json`、再走 rebuild 对账。\n>\n> **`--kind root`：审顶层主 agent \u002F 编排者**。切主 agent 作用域对账（其声明常是 workflow 级 SKILL.md，整 session 审计的地基）。**cc** = `parent_tool_use_id` 为空的全部 record（**单 span**：主 agent 自己的 turn + 它发起的 Agent dispatch tool_use\u002Ftool_result；子 agent 内部 record 的 `parent_tool_use_id` 指向某 Agent 调用，**排除**、归各自 `kind=\"agent\"` 单元审）；**opencode** = `session.info.agent`（declared 主 agent；主 agent message 被子 agent 夹断可能**多 span**，findings pool 聚合、与单 span 等价——root 是 opencode 上 `--kind` 唯一改变 target 的取值：skill\u002Fagent 按声明名、root 取 `session.info.agent`）。**target 名对 root 无意义**（只认作用域、不按名切）。审的是主 agent 的**编排**（dispatch 谁 \u002F 何时 \u002F 怎么接返回），不是子 agent 内部。exit code 不变（无 gate）：cc 主作用域恒非空（never-invoked 不触发 exit 2）；opencode 缺 `session.info.agent` → exit 2。\n\n判定四类（条件性 \u002F 禁令 \u002F 步骤 \u002F 输出格式），每条出**五态 verdict** + **method** 标（`PROGRAMMATIC` 程序对账 \u002F `LLM` 语义判定）：`PASS` \u002F `FAIL` \u002F `N\u002FA`（不适用，场景不触发）\u002F `UNRESOLVED`（没判成，LLM 失败\u002F解析失败\u002F未提及，可重跑）\u002F `INDETERMINATE`（判不准，证据真模糊，重跑无益）；输出格式是确定性子串匹配（`PROGRAMMATIC`，不调 LLM，只 PASS\u002FFAIL）。**禁令判的角度反着来**——主动找违规、不判“遵守没”（如 `NEVER ...` \u002F `不得编造`）。没判成报 UNRESOLVED + “建议重跑”警告、判不准报 INDETERMINATE + 占比告警，都不保守 FAIL（各类判法详表见 reference 的 audit 段）。产出 `audit-report.json` + `audit-report.html`（HTML always 写）。\n\n### `report` — HTML 报告\n\n```bash\nsift report out\u002Fiteration-1\u002F        # 生成静态 report.html\nsift report out\u002Fiteration-1\u002F --open # 生成并打开\n```\n\n| 参数 | 默认 | 说明 |\n|---|---|---|\n| `--benchmark` \u002F `--previous` \u002F `--scorecard` | 自动 | 各 JSON 路径（`--scorecard` 别名 `--static`） |\n| `--open` | 关 | 生成后浏览器打开 |\n\n自动发现 `benchmark.json` \u002F `scorecard.json` \u002F `vet-report.json` \u002F `gate.json`（存在则标题旁渲染门禁徽章）。\n\n---\n\n## 帮用户设计 eval 用例\n\n1. 读 SKILL.md，了解 skill 功能和边界\n2. 问用户想测什么场景，或主动建议：\n   - 常规流程（最常用操作）\n   - 边界\u002F错误处理（输入不对、文件缺失）\n   - 工具选择（有多个工具时选哪个）\n   - 输出格式（产出什么文件、什么结构）\n3. 对每个场景用 `sift add \u003Cpath> --idea \"描述\"` 写入\n4. **L1**（知识问答题）测规则理解，**L2**（执行题带 fixture）测实际产出\n5. 跑 `sift eval` 验证用例质量，根据结果迭代\n\n---\n\n## 断言设计原则\n\n### 两层断言体系\n\n| 层级 | 类型 | 判定 | 适用 |\n|------|------|------|------|\n| **Tier 1** 确定性 | `FILE_EXISTS` `FILE_CONTAINS` `CONTAINS_PATTERN` `NOT_CONTAINS` `JSON_HAS_FIELD` `LINE_COUNT` `TOOL_CALLED` `STEP_COUNT` `CUSTOM_SCRIPT` `CUSTOM_PLUGIN` `CROSS_FILE_CONSISTENCY` `CODE_COMPILES` | 正则\u002F文件\u002F工具痕迹检查 | 可机械验证 |\n| **Tier 3** 语义性 | `LLM_GRADE` `LLM_FACT` `LLM_NOT_DELEGATE` | LLM 打分 + 举证 | 语义判断 |\n\n### 关键规则\n\n1. **同一维度只用一层**：不要同时放 `NOT_CONTAINS \"x\"` 和 `LLM_NOT_DELEGATE`\n2. **校准无需特殊 eval 设计**：校准是结果（优先押客观 pass_rate≥0.8，无客观锚回退主观）× 过程（遵循性有无 prohibition\u002Foutput 硬类违规）的 coherence 判决，自动跑、给 5 态 verdict（可信\u002F高分存疑\u002F可修复\u002F技能失效\u002F过程未知），不需要为它刻意\"同一项同时写 assertion + expectation\"\n3. **不为每条 expectation 自动套 CONTAINS_PATTERN**：expectation 是 LLM 语义判断，CONTAINS_PATTERN 是机器正则，量的是不同东西\n\n---\n\n## 标准操作流程\n\n### 首次评测一个 skill（无 evals.json）\n\n```bash\nSKILL=\"\u002Fpath\u002Fto\u002Fskill\"\nOUT=\"output\"\n\n# Step 0: 没有 evals.json 就生成\n[ -f \"$SKILL\u002Fevals.json\" ] || sift init \"$SKILL\"\n\n# Step 1: 静态体检 + 安全审查（零 API 成本）\nsift vet \"$SKILL\"\nsift analyze \"$SKILL\"\n\n# Step 2: A\u002FB 评测（推荐 --runs 3）\nsift eval \"$SKILL\" --runs 3 -o \"$OUT\"\n\n# Step 3: 出门禁判决（exit code 驱动 CI）\nsift gate \"$OUT\u002Fiteration-1\u002Fbenchmark.json\" --min-win-rate 0.5\necho $?    # 0=PASS \u002F 1=FAIL \u002F 2=N\u002FA(不适用) 或 UNCLEAR(判不准)\n\n# Step 4: 看报告\nsift report \"$OUT\u002Fiteration-1\u002F\" --open\n```\n\n### 回归对照（候选 v2 vs 基线 v1）\n\n```bash\n# 冻结同一份题，保证跨 run 同卷\nsift freeze path\u002Fto\u002Fevals.json --name baseline\n\n# A\u002FB 跑（两边各注入各自 skill）\nsift eval v2\u002F --skill-b v1\u002F --evals baseline.json --runs 3 -o out\u002F\n\n# 出判决\nsift gate out\u002Fiteration-1\u002Fbenchmark.json --min-win-rate 0.5\n```\n\n### 真任务遵循性（`--task` 真任务 → 对账指令）\n\n```bash\n# 跑真实任务（--cwd 拷贝隔离，cc 不碰原目录）\nsift run \u002Fpath\u002Fto\u002Fskill\u002F --task \"\u003C真实任务>\" --cwd .\u002Frepo --runs 2 -o \u002Ftmp\u002Flive\n\n# 对账 transcript × SKILL.md\nsift audit \u002Fpath\u002Fto\u002Fskill\u002F --transcript \u002Ftmp\u002Flive\u002Frun-1\u002Ftranscript.jsonl -o \u002Ftmp\u002Flive-audit --open\n```\n\n### \"快速验证\"\n\n```bash\nsift eval \u002Fpath\u002Fto\u002Fskill --eval-samples 3 --runs 1 -o out\u002F\nsift eval \u002Fpath\u002Fto\u002Fskill --eval-ids 3,5 --runs 1 -o out\u002F  # 只跑指定 id(调试\u002F回归某几道;和 --eval-samples\u002F--changed-from 三选一互斥)\nsift eval \u002Fpath\u002Fto\u002Fskill --changed-from \u002Fpath\u002Fto\u002Fv1 --runs 1 -o out\u002F  # 改 skill 后只跑受影响的题(给基线目录;回归探针;和 --eval-samples\u002F--eval-ids 互斥)\n```\n\n---\n\n## 评测产物\n\n```\noutput\u002Fiteration-1\u002F\n├── benchmark.json          # 聚合：双率 delta + comparisons + comparison_summary + analysis（--changed-from 子集跑时另记 selection）\n├── report.html             # 自包含 HTML 报告（读 gate.json 显门禁徽章；eval 末尾自动产）\n├── gate.json               # gate 命令产出（判决 + 四轴明细；非 eval 产出）\n├── scorecard.json          # eval 末尾自动产（静态评分卡；也可 analyze -o 单独产）\n├── vet-report.json         # eval 末尾自动产（原生安全扫描；也可 vet -o 单独产）\n└── with_skill\u002F             # v1\u002Fv2 模式换成各自标签名\n    └── eval-\u003Cid>\u002Frun-\u003Cn>\u002F\n        ├── outputs\u002F        # Claude 产生的文件（skill references 已自动拷入）\n        ├── grading.json    # 评分（expectations + assertions pass\u002Ffail，双率）\n        ├── compliance.json # 遵循性检查（五态 verdict + method；仅 with_skill）\n        ├── calibration.json\n        ├── run_debug.json  # 完整回复 + tool_calls + timing\n        └── timing.json\n```\n\n报告完整性检查：\n\n```bash\npython3 \u003C\u003C 'PYEOF'\nfrom pathlib import Path; import json\nit = Path(\"output\u002Fiteration-1\")\nok = True\nfor f in ['benchmark.json','report.html']:\n    if not (it\u002Ff).exists(): print(f'MISSING: {f}'); ok = False\nif (it\u002F'gate.json').exists():\n    g=json.load(open(it\u002F'gate.json')); print(f'gate: {g[\"decision\"]}')\nif (it\u002F'scorecard.json').exists():\n    s=json.load(open(it\u002F'scorecard.json')); print(f'scorecard: {s.get(\"score\")}\u002F{s.get(\"max_score\")}')\nif (it\u002F'vet-report.json').exists():\n    v=json.load(open(it\u002F'vet-report.json')); print(f'vet: {v[\"verdict\"]}')\nif (it\u002F'benchmark.json').exists():\n    b=json.load(open(it\u002F'benchmark.json'))\n    delta=b.get('run_summary',{}).get('delta',{})\n    cs=b.get('comparison_summary',{})\n    print(f\"delta.pass_rate_programmatic: {delta.get('pass_rate_programmatic')}\")\n    if cs: print(f\"blind win_rate: {cs.get('win_rate')} ({cs.get('a_wins')}W\u002F{cs.get('b_wins')}L\u002F{cs.get('ties')}T\u002F{cs.get('failed')}F)\")\nprint('ALL OK' if ok else 'ISSUES')\nPYEOF\n```\n\n---\n\n## 常见问题\n\n| 问题 | 解决 |\n|---|---|\n| sift 未安装 | 向用户索要 GitHub URL，clone + `bash install.sh` |\n| `eval` 退 1 了 | 只在 `--security-gate` 触发时；负 delta 不再退 1。通过\u002F失败看 `gate` |\n| pass_rate 全 0% | expectation 太模糊，重新 `init`；或用 `--scoring llm` |\n| 超时 | `--timeout 600`，`--eval-samples 5` \u002F `--eval-ids 3,5` \u002F `--changed-from v1\u002F`（只跑某几道） |\n| without_skill 无 grading | 正常（无 skill 时 Claude 可能不产出可评判内容） |\n| calibration 过程未知 | compliance 缺失或无可判定项（如纯推理题）；正常现象，非缺陷 |\n| calibration 高分存疑 | 输出对了但过程违反 prohibition\u002Foutput 硬性规则；看 evidence 核对 |\n| benchmark.json 缺失 | aggregation 失败，单独 `sift report iteration-1\u002F` |\n| report 评分卡\u002F安全面板空 | run 默认已自动产；若空说明跑了 `--no-static`\u002F`--no-vet` 或 analyze\u002Fvet 失败（run 会打 Warning，不阻断）|\n| LLM 断言返回 \"Not evaluated\" | 自动重试（默认最多 2 次）；仍 UNEVAL 则标记 INDETERMINATE（报告里区分显示，不混成 FAIL） |\n| 单次运行方差大 | `--runs 1` 仅快速验证；推荐 `--runs 3` 启用异常检测和统计有效性 |\n| 遵循性率低 | SKILL.md 指令有矛盾或太难遵循，重写指令 |\n| `init --from-transcript` 出 degraded | LLM 失败走了 fallback，终端会告警；重跑或检查 claude CLI 可用性 |\n",{"name":5,"type":23,"domain":24,"description":25},"guide","quality-assurance","Use this skill whenever you need to evaluate, test, benchmark, or quality-check any skill (SKILL.md), or audit skill \u002F agent \u002F orchestrator execution (transcript × declaration). Trigger on: \"evaluate\", \"test\", \"benchmark\", \"跑评测\", \"评测\", \"跑一下\", \"测试\", \"全面测评\", \"跑所有测评\", \"验证skill\", \"检查skill质量\", \"安全审查\", \"vet\", \"静态分析\", \"analyze\", \"回归\", \"regression\", \"对照\", \"门禁\", \"gate\", \"遵循性\", \"对账\", \"audit\", \"transcript\", \"冻结基线\", \"freeze\", \"题集体检\", \"inspect\", \"report\", \"报告\", \"init\", \"初始化evals\", \"add\", \"加eval\". This skill provides EXACT commands to run for every sift operation.\n","main","558d1465e87dd14cce5530b44b93aa2962a679b9","tools\u002Fskills\u002Fsift-guide",4,"https:\u002F\u002Fgithub.com\u002Fguixu-labs\u002Fsift","https:\u002F\u002Fgithub.com\u002Fguixu-labs","2026-10-30 20:58:22",{"source":8,"skillName":5,"commands":34,"prompt":44,"zipAvailable":45},[35,38,41],{"tool":36,"command":37},"npx","npx skills add guixu-labs\u002Fsift --skill sift-guide",{"tool":39,"command":40},"bunx","bunx skills add guixu-labs\u002Fsift --skill sift-guide",{"tool":42,"command":43},"pnpm","pnpm dlx skills add guixu-labs\u002Fsift --skill sift-guide","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002Fguixu-labs\u002Fsift\u002Fblob\u002Fmain\u002Ftools\u002Fskills\u002Fsift-guide\u002FSKILL.md",true,[],[48,55,62,69,76,83],{"skillNo":49,"name":50,"nameZh":6,"description":51,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":52,"categories":53,"keywords":54,"publishedAt":18},"01M783CJA87Y1XA5QRGB9ZHQQS","sample-skill","Creates and validates data transformation scripts for CSV and JSON formats.\nHelps set up data pipelines with proper error handling and logging.","https:\u002F\u002Fgithub.com\u002Fguixu-labs\u002Fsift\u002Fblob\u002Fmain\u002Ftests\u002Ffixtures\u002Fsample-skill\u002FSKILL.md",[],[],{"skillNo":56,"name":57,"nameZh":6,"description":58,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":59,"categories":60,"keywords":61,"publishedAt":18},"01M783CFXG81NEF78KCD9PAZ91","report-generator","Generates summary reports from transformed data. Use when user needs to create a formatted report from JSON data files.","https:\u002F\u002Fgithub.com\u002Fguixu-labs\u002Fsift\u002Fblob\u002Fmain\u002Ffixtures\u002Ftest-skills\u002Fdata-pipeline\u002Fskills\u002Freport-generator\u002FSKILL.md",[],[],{"skillNo":63,"name":64,"nameZh":6,"description":65,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":66,"categories":67,"keywords":68,"publishedAt":18},"01M783CDD9TT59W95EQ6XJ20E9","data-validator","Validates JSON data files against schema rules. Use when user needs to check data integrity or validate input files before processing.","https:\u002F\u002Fgithub.com\u002Fguixu-labs\u002Fsift\u002Fblob\u002Fmain\u002Ffixtures\u002Ftest-skills\u002Fdata-pipeline\u002Fskills\u002Fdata-validator\u002FSKILL.md",[],[],{"skillNo":70,"name":71,"nameZh":6,"description":72,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":73,"categories":74,"keywords":75,"publishedAt":18},"01M783C9E9P9FNKFXTPGB3B2XJ","data-transform","Transforms validated JSON data between formats. Use when user needs to convert, reshape, or migrate data from one schema to another.","https:\u002F\u002Fgithub.com\u002Fguixu-labs\u002Fsift\u002Fblob\u002Fmain\u002Ffixtures\u002Ftest-skills\u002Fdata-pipeline\u002Fskills\u002Fdata-transform\u002FSKILL.md",[],[],{"skillNo":77,"name":78,"nameZh":6,"description":79,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":80,"categories":81,"keywords":82,"publishedAt":18},"01M783C6DC4DA1DZAX1ZPDW4HM","security-risk","快速数据处理工具——包含内部 API 访问能力","https:\u002F\u002Fgithub.com\u002Fguixu-labs\u002Fsift\u002Fblob\u002Fmain\u002Ffixtures\u002Fnegative-skills\u002Fsecurity-risk\u002FSKILL.md",[],[],{"skillNo":84,"name":85,"nameZh":6,"description":86,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":87,"categories":88,"keywords":89,"publishedAt":18},"01M783C3A9FVEG0RYTYCKA71XK","missing-dep","依赖一个不存在的 Skill——manifest 配置错误","https:\u002F\u002Fgithub.com\u002Fguixu-labs\u002Fsift\u002Fblob\u002Fmain\u002Ffixtures\u002Fnegative-skills\u002Fmissing-dep\u002FSKILL.md",[],[]]