UnifiedBenchDatasetEvaluator算子参考文档，支持6种评估类型，对模型答案打分并输出统计结果。适用于基准数据集上的模型答案评估场景。
基于Google Lighthouse标准的综合网站质量审计技能，涵盖性能、无障碍、SEO及最佳实践。通过分析代码识别问题，按严重程度分类并提供可操作的修复建议与代码示例。
用于 DeepSeek Harness 插件及包的测试与审查，涵盖单元测试、覆盖率、E2E、快照等最小必要测试集。支持版本迁移回归测试及 Docker 发布冒烟测试，确保运行时正确性与兼容性验证。
Playwright CLI工具，用于自动化浏览器交互、网页测试及操作Playwright测试用例。支持页面导航、元素点击、截图、状态管理及Cookie处理等核心功能。
针对 traceway-cli 的集成测试技能，通过连接真实服务器执行端到端验证。涵盖真实数据详情、自适应指标发现及 TTY 渲染等烟雾测试未覆盖场景，严格限制只读操作并生成覆盖率报告。
指导如何更新 Python conda 环境测试中 Miniconda 的固定版本。包括定位配置文件、解析版本令牌格式、选择新版本步骤及处理多版本分支维护策略。
启动持久化规范监督器，审计主会话是否符合功能设计规格。仅在需求缺乏验证证据时介入，确保严格合规且不影响主代理自主性。
生成包含Excel各类内容类型的压力测试工作簿，用于评估解析器完整性和回归测试。覆盖单元格、公式、图表等边缘情况，支持确定性生成及多格式输出。
用于构建和验证 DeepWrite Windows/macOS 测试安装包，支持多平台打包、版本核对及失败阶段诊断恢复，确保产物正确性。
提供推送前的本地检查策略，根据代码改动范围精准执行类型、测试、格式及构建等验证，确保提交质量并规范安全推送流程。
用于运行和审阅 ReadAware Agent 的行为评测，诊断具体场景并维护测试数据。支持确定性操作验证与语义内容理解评估，通过结构化日志分析模型输出质量，确保行为验收符合预期标准。
