Skill Eval

对 Skill 的执行流程进行单次端到端质量评测：

生成测试用例 → 运行 Skill → Grading 评分 → Benchmark 聚合 → 呈现结果

Phase 1: 生成测试用例

与用户确认后，生成 evals/evals.json：

{
  "skill_name": "example-skill",
  "evals": [
    {
      "id": 1,
      "prompt": "用户的任务 prompt",