从插件仓库提取 dsh 升级考题

把一个真实发生的插件迁移（git 历史里的破坏性变更 commit）变成一道 Harbor 考题：旧形态插件为 fixture（装上必坏，或有隐藏坑），新形态为 oracle 参考解，judge 在容器内真实冷启动判活。产出跟随 ./benchmark/（上文：oh-my-dsh/dsh-plugin-upgrade-skill 的 benchmark 目录）。

上下文锚点：目标套件是 dsh-plugin-upgrade-skill 的 benchmark v2.4（Harbor 格式），host 镜像固定为 node:24-bookworm + 全局 dsh 0.1.2-alpha.2。每条考题 遵循 execution-contract（BENCHMARK-AUTH-v1）与固定评分模型（100 分/题）。

何时使用

• 用户给一个插件仓库，说"提成考题 / 做成 case / 转 benchmark task"。
• 用户拿着一条版本走廊或一个迁移 commit，要可执行的评测而不是文档。
• 现有升级卡（references/v*.md）需要测"AI 会不会照卡修"。

工作原理（一句话）