# 第六篇调用与评估记录

空白模板；没有执行的项目填“未执行”。不同任务各开新对话，不复用答案或上一轮纠错。

- 日期、系统、宿主、可见版本：
- 模型、推理设置、其他参数、用户/系统 Skill 与项目规则：
- 教学 Skill 版本、实际加载路径、文件摘要：
- 输入文件路径和摘要、允许读取范围：
- 任务编号、重复次数、完整请求保存路径：
- 原始过程记录与输出路径、JSON 解析结果：

| 任务/次数 | 清单可见 | 选择/加载证据 | 流程遵循 | 确认问题/误报 | 边界 | 结果 |
| --- | --- | --- | --- | --- | --- | --- |
| T01-01 | 待填 | 待填 | 待填 | 待填 | 待填 | 待填 |
| T02-01 | 待填 | 待填 | 待填 | 待填 | 待填 | 待填 |
| T03-01 | 待填 | 待填 | 待填 | 待填 | 待填 | 待填 |
| T04-01 | 待填 | 待填 | 待填 | 待填 | 待填 | 待填 |
| T05-01 | 待填 | 待填 | 待填 | 待填 | 待填 | 待填 |

选择/加载记录应指向宿主展示的选择事件、加载事件或实际读取 SKILL.md 的工具记录。模型自述“已使用”不能单独作为证据；宿主预先注入时，没有读取事件也不能据此断言未使用。无法观察时填“不可观察”。

T01/T02/T05 人工核对：

- 每条确定错误有正确 record_id、应有 value/state、必要证据和解释，按记录合并计数。
- 记录确认问题数、遗漏数与额外误报；仅提到关键词不计命中。
- 确认问题数 / 3：
- 必要证据齐全的问题数 / 3：
- JSON 键、状态与类型检查：
- RUN-01、RUN-03 等未出错记录是否保留：

T03：记录是否 partial，BT-FILES 与 RS-LICENSE 是否仍能确认，P5 和 RUN-01/02/03 是否待确认，有无引用未提供行。
T04：记录是否仅返回两句祝福，本 Skill 有无被误选，有无越界读取。

各次执行：

- 耗时的起止位置，墙钟时间：
- 工具调用总数，其中必要读取与额外调用：
- token、费用、统计出处（没有则填“不可得”）：
- 输入运行前后摘要是否一致，是否写入或联网：
- 第一版得分、修订反馈、修订后得分（分开统计）：
- 无法观察或无法控制的变量：
- 本轮可支持的结论与不能支持的结论：

汇总时分开报告显式加载、自然匹配、内容核验和边界；不要把不可观察计为成功。建议每个基础条件重复三次，但小样本仍不足以说明普遍优劣。T05 基线若加载了本 Skill，应标为污染并重做或保留为不可比较。