Agent Skill Eval：从触发信号到 A/B 基准，如何把 Skill 做成可回归工程单元

真正的问题不在于“能不能写出一个 Skill”，而在于：这个 Skill 是否稳定改善了 Agent 的输出？它改善了什么，代价是什么，改善是否可复现？如果只能靠体感判断，一个 Skill 很容易停留在手工作坊阶段；如果能被测试、对比、统计和迭代，它才有机会进入工程体系。