技能基准测试包

根据主题搜索权威文档，生成可复用的.md 技能文件。适用于为库、工具或 API 创建技能时自动捕获文档。

通过 artifact-runner 在独立 Docker 容器中评估研究工件。支持 HTTP API 访问，可执行命令、读取文件并分析 PDF。

Harbor 智能体评估框架。用于运行 Harbor 命令、创建或验证 SkillsBench 任务，以及理解任务格式或调试失败。

用于 SkillsBench 贡献工作流。协助创建基准任务、熟悉仓库结构及准备任务提交的 PR。