docs(zh-CN): sync Chinese docs with latest upstream changes

docs/zh-CN/skills/agent-eval/SKILL.md

@@ -0,0 +1,149 @@
+---
+name: agent-eval
+description: 编码代理（Claude Code、Aider、Codex等）在自定义任务上的直接比较，包含通过率、成本、时间和一致性指标
+origin: ECC
+tools: Read, Write, Edit, Bash, Grep, Glob
+---
+
+# Agent Eval 技能
+
+一个轻量级 CLI 工具，用于在可复现的任务上对编码代理进行头对头比较。每个“哪个编码代理最好？”的比较都基于感觉——本工具将其系统化。
+
+## 何时使用
+
+* 在你自己的代码库上比较编码代理（Claude Code、Aider、Codex 等）
+* 在采用新工具或模型之前衡量代理性能
+* 当代理更新其模型或工具时运行回归检查
+* 为团队做出数据支持的代理选择决策
+
+## 安装
+
+```bash
+# pinned to v0.1.0 — latest stable commit
+pip install git+https://github.com/joaquinhuigomez/agent-eval.git@6d062a2f5cda6ea443bf5d458d361892c04e749b
+```
+
+## 核心概念
+
+### YAML 任务定义
+
+以声明方式定义任务。每个任务指定要做什么、要修改哪些文件以及如何判断成功：
+
+```yaml
+name: add-retry-logic
+description: Add exponential backoff retry to the HTTP client
+repo: ./my-project
+files:
+  - src/http_client.py
+prompt: |
+  Add retry logic with exponential backoff to all HTTP requests.
+  Max 3 retries. Initial delay 1s, max delay 30s.
+judge:
+  - type: pytest
+    command: pytest tests/test_http_client.py -v
+  - type: grep
+    pattern: "exponential_backoff|retry"
+    files: src/http_client.py
+commit: "abc1234"  # pin to specific commit for reproducibility
+```
+
+### Git 工作树隔离
+
+每个代理运行都获得自己的 git 工作树——无需 Docker。这提供了可复现的隔离，使得代理之间不会相互干扰或损坏基础仓库。
+
+### 收集的指标
+
+| 指标 | 衡量内容 |
+|--------|-----------------|
+| 通过率 | 代理生成的代码是否通过了判断？ |
+| 成本 | 每个任务的 API 花费（如果可用） |
+| 时间 | 完成所需的挂钟秒数 |
+| 一致性 | 跨重复运行的通过率（例如，3/3 = 100%） |
+
+## 工作流程
+
+### 1. 定义任务
+
+创建一个 `tasks/` 目录，其中包含 YAML 文件，每个任务一个文件：
+
+```bash
+mkdir tasks
+# Write task definitions (see template above)
+```
+
+### 2. 运行代理
+
+针对你的任务执行代理：
+
+```bash
+agent-eval run --task tasks/add-retry-logic.yaml --agent claude-code --agent aider --runs 3
+```
+
+每次运行：
+
+1. 从指定的提交创建一个新的 git 工作树
+2. 将提示交给代理
+3. 运行判断标准
+4. 记录通过/失败、成本和时间
+
+### 3. 比较结果
+
+生成比较报告：
+
+```bash
+agent-eval report --format table
+```
+
+```
+Task: add-retry-logic (3 runs each)
+┌──────────────┬───────────┬────────┬────────┬─────────────┐
+│ Agent        │ Pass Rate │ Cost   │ Time   │ Consistency │
+├──────────────┼───────────┼────────┼────────┼─────────────┤
+│ claude-code  │ 3/3       │ $0.12  │ 45s    │ 100%        │
+│ aider        │ 2/3       │ $0.08  │ 38s    │  67%        │
+└──────────────┴───────────┴────────┴────────┴─────────────┘
+```
+
+## 判断类型
+
+### 基于代码（确定性）
+
+```yaml
+judge:
+  - type: pytest
+    command: pytest tests/ -v
+  - type: command
+    command: npm run build
+```
+
+### 基于模式
+
+```yaml
+judge:
+  - type: grep
+    pattern: "class.*Retry"
+    files: src/**/*.py
+```
+
+### 基于模型（LLM 作为判断器）
+
+```yaml
+judge:
+  - type: llm
+    prompt: |
+      Does this implementation correctly handle exponential backoff?
+      Check for: max retries, increasing delays, jitter.
+```
+
+## 最佳实践
+
+* **从 3-5 个任务开始**，这些任务代表你的真实工作负载，而非玩具示例
+* **每个代理至少运行 3 次试验**以捕捉方差——代理是非确定性的
+* **在你的任务 YAML 中固定提交**，以便结果在数天/数周内可复现
+* **每个任务至少包含一个确定性判断器**（测试、构建）——LLM 判断器会增加噪音
+* **跟踪成本与通过率**——一个通过率 95% 但成本高出 10 倍的代理可能不是正确的选择
+* **对你的任务定义进行版本控制**——它们是测试夹具，应将其视为代码
+
+## 链接
+
+* 仓库：[github.com/joaquinhuigomez/agent-eval](https://github.com/joaquinhuigomez/agent-eval)