智能体技能评估结果归一

适用场景

在技能触发评估、功能评估或 CI 批量运行后，把断言观察与崩溃、超时、API 错误分成不同的证据类型。

输入与输出

• - 输入：脱敏 suiteref、caseid、query、shouldtrigger、outcome、runid 和 stderrref
• 输出：READY/REVIEW、规范化用例、INFRAERROR 数量和 evaloutcomesnapshot_hash

运行

CODEBLOCK0

错误恢复

补齐 caseid、runid、outcome 和基础设施引用后重跑；不要把异常当成合法未触发。

隐私边界

只处理买家有权使用且已经脱敏的本地 JSON，不连接模型、评估服务、CI、网络或外部 API，不读取凭据、Cookie、原始提示词或业务数据。

验收

使用 examples/input.json 运行，确认输出包含 status、findings、稳定 hash 和不执行标志；再用 crashed、timeout、apierror 或缺 runid 的样例验证 INFRA_ERROR/REVIEW/BLOCKED 分支。