comet eval

comet eval 是独立的 Skill 评估入口。你可以直接评估已有的本地 Skill，不需要先运行 /comet-any，也不需要预先创建 comet/eval.yaml。

最短路径

# 只检查 Skill、manifest 和任务发现
comet eval ./my-skill --collect

# 低成本冒烟评估
comet eval ./my-skill --quick --html

# 运行完整的本地评估
comet eval ./my-skill --html

target 可以是 Skill 目录、直接的 SKILL.md，或 comet/eval.yaml。传入目录时，Comet 会自动发现其中的 manifest；没有 manifest 时，普通运行会在受限快照上自动生成 2–4 个任务，不会改写 Skill 源文件。

--collect 只做静态发现和配置检查，不启动 Agent、Docker、插件、凭据或网络请求。
--quick 使用固定的 generic-skill-smoke 任务，适合早期冒烟。
--html 同时生成 Markdown 和 HTML 报告。
报告和运行状态默认写入 Skill 或 --project 指定项目下的 .comet/eval/runs/。

如果 Skill 位于另一个项目中，可以显式指定包含 eval harness 的项目根目录：

comet eval ./my-skill --project ./my-project --html

用户级 `.env` 配置

已发布的 Comet CLI 不需要用户拉取源码。把配置文件放在现有用户级 Eval 自定义目录旁：

Unix:    ~/.comet/eval/.env
Windows: %USERPROFILE%\.comet\eval\.env

主任务（Bench）和 LLM-as-judge 使用独立的模型、地址和凭据：

BENCH_API_KEY=subject-key
BENCH_BASE_URL=https://subject.example/v1
BENCH_MODEL=subject-model

BENCH_JUDGE_API_KEY=judge-key
BENCH_JUDGE_BASE_URL=https://judge.example/v1
BENCH_JUDGE_MODEL=judge-model

当前进程环境变量优先于 .env；CLI 选项和 manifest 又优先于环境变量。Claude Code、Codex、CodeBuddy 会把通用配置映射到各自的原生配置；Codex 使用隔离的运行时 config.toml；Qoder 只使用其官方支持的认证和服务地址配置。显式的 Agent 原生变量优先于通用 fallback。安全边界：Eval 不会把 API key 写入发布包、manifest、报告或 Skill 工作区。Docker 运行 Agent 时，Codex、Qoder、CodeBuddy 使用容器内独立的临时配置根；Codex 的 config.toml 只引用环境变量，CodeBuddy 的 settings.json 只使用 apiKeyHelper，实际密钥只存在于本次容器进程环境中，运行结束后销毁。

任务选择

任务按以下优先级选择：显式 --task、--quick、manifest 中的 evaluation.tasks、recommendedTasks，最后才是自动生成的任务。自动生成的任务会按 Skill 快照、Agent 和评估配置缓存，后续运行可以复用。需要稳定验收条件时，可以在 comet/eval.yaml 中写 inline task：

evaluation:
  tasks:
    - name: writes-summary
      prompt: Create summary.md.
      expect:
        files:
          - summary.md
        contains:
          summary.md:
            - '# Summary'

也可以用 source 引用 Skill 包内带有 task.toml 和 instruction.md 的任务包。inline task 支持文件、文本、JSON 和命令检查；任务的工作区和期望产物必须留在允许的 Skill 包或评估工作区内。

选择评估 Agent

默认 Agent 是 claude-code，也可以选择 codex、qoder 或 codebuddy：

comet eval ./my-skill --agent codex --model subject-model

主 Agent 和 LLM-as-Judge 可以分别设置：

execution:
  agent: codex
  model: subject-model
  baseUrl: https://subject.example/v1

judge:
  agent: claude-code
  model: judge-model
  baseUrl: https://judge.example/v1

CLI 选项优先于 manifest。启用 Judge 时，需要为 Judge 提供独立模型和凭据；它不会继承主 Agent 的凭据。自定义 Agent 必须先注册适配器，不会因为可执行文件位于 PATH 就自动发现。适配器目录为：

~/.comet/eval/adapters/<agent-id>/adapter.yaml

注册后，通过同一个选项选择它：

comet eval ./my-skill --agent my-agent

选择评估套件

local 是默认套件，适合本地开发和 HTML 报告。需要团队追踪时，可以选择已有的 LangSmith 套件：

comet eval ./my-skill --suite langsmith --html

需要把任务轨迹、评分和实验摘要同步到 Langfuse 时，使用 beta18 新增的 Langfuse 套件：

LANGFUSE_PUBLIC_KEY=pk-lf-... LANGFUSE_SECRET_KEY=sk-lf-... \
  comet eval ./my-skill --suite langfuse --html

Langfuse 套件会继续生成本地报告。--collect --suite langfuse 不初始化 SDK、不联网，也不会下载插件。

常用选项

comet eval [target] [options]

选项	用途
`--project <dir>`	指定包含 `eval/` 的项目根目录
`--manifest <path>`	直接指定 `comet/eval.yaml`
`--skill-path <path>`	指定本地 Skill 目录或 `SKILL.md`
`--skill-name <name>`	指定 Skill 名称
`--agent <agent>`	选择主评估 Agent
`--model <model>`	覆盖主评估模型
`--base-url <url>`	覆盖主评估 API 地址
`--judge-agent <agent>`	选择独立 Judge Agent
`--judge-model <model>`	选择独立 Judge 模型
`--judge-base-url <url>`	覆盖 Judge API 地址
`--profile <name>`	选择评估配置 profile
`--report-config <path>`	指定报告配置文件
`--suite <suite>`	选择 `local`、`langsmith` 或 `langfuse`
`--task <task>`	只运行指定任务
`--collect`	只做静态发现和预检查
`--quick`	使用固定冒烟任务
`--html`	生成 HTML 报告

如何看结果

运行前，CLI 会打印 target、suite、任务、Experiment 和报告路径。报告会区分 harness、workflow、task 和 model 归因：

harness：依赖、Docker、路径或环境问题；
workflow：Skill 流程没有达到预期；
task：任务定义或验收条件有问题；
model：模型行为或调用不稳定。

comet eval 评估 Skill 的产品能力；comet skill check 只检查某次 Skill Run 是否满足 runtime checks，两者用途不同。

下一步

Eval Agent 启动配置 — 准备 Claude Code、Codex 或 Qoder 的 CLI、认证和模型协议
评估系统概览 — 了解评估配置和评分方式
读取评估报告 — 理解报告中的通过率和失败归因
comet publish — 将评估证据用于发布判断

安装和健康检查

Skill、评估和发布（进阶）

核心脚本

最短路径

用户级 `.env` 配置

任务选择

选择评估 Agent

选择评估套件

常用选项

如何看结果

下一步

​最短路径

​用户级 .env 配置

​任务选择

​选择评估 Agent

​选择评估套件

​常用选项

​如何看结果

​下一步

最短路径

用户级 `.env` 配置

任务选择

选择评估 Agent

选择评估套件

常用选项

如何看结果

下一步