BrowserSkill 发版前测试与真实场景 Benchmark

用真实浏览器行为评估候选版本。交付可复查的完整证据、覆盖矩阵、Benchmark 统计（成功率、交互轮次、每轮动作压缩比、耗时分布）、缺陷清单及测试结论。100% 是全量通过的判定标准，不是预先保证的测试结果，也不是强制 PR 门槛。

较大改动提交 PR 前推荐运行；不是提交或合并 PR 的强制要求，不替代现有单测和检查。未运行或存在环境阻塞时如实说明，不据此要求阻止 PR。全量通过的判定仍要求所有必测项通过；明确请求局部自测时可只执行相关项，但报告必须标为部分覆盖，不能缩小全量分母。

可直接让 Agent 阅读本仓库中的本文件；也可将整个 browserskill-release-test 目录复制到宿主支持的技能目录后按名称调用。脚本和资源相对本 Skill 定位，无需修改用户的内置 browser-skill。