evaluate

/ouroboros:evaluate

使用三阶段验证流水线评估执行会话。

/ouroboros:evaluate <session_id> [artifact]

阶段权限

1. 机械验证（lint、构建、测试、静态分析、覆盖率；不产生模型成本）：唯一可以批准的阶段。至少必须运行一项已配置的检查，且所有检查都必须通过。
2. 语义验证（AC 合规性、目标一致性、偏差）：仅供参考。可以拒绝批准并提供反馈，但不能批准。
3. 共识验证（多模型，仅在存在不确定性或收到请求时执行）：仅供参考。拒绝会阻止批准；批准不能授予批准，也不能解除第 2 阶段的阻止状态。

如果没有执行第 1 阶段的检查，结果将为 acceptance_state: unverified（未批准），并附上模型审查作为反馈。

说明

加载 MCP 工具（延迟加载 schema 防护）

Ouroboros 工具可能会延迟加载，而某一轮加载的 schema 可能在下一轮卸载。每次调用 ouroboros_* 前，立即使用当前运行时的工具发现功能加载相应工具："+ouroboros evaluate" 用于 ouroboros_start_evaluate；"+ouroboros job" 用于 ouroboros_job_wait、ouroboros_job_status 和 ouroboros_job_result。如果未加载 schema，调用会失败并显示 "Invalid tool parameters"。如果工具已经可以调用，工具发现操作不会执行任何操作，并且预期会返回空结果。只有在工具确实不存在时才使用备用方案。

步骤

1. 会话：使用给定的 session_id；否则使用对话中最近一次执行的会话 ID。
2. 产物：用户指定的文件（使用活动运行时的 inspect_code 功能读取）；否则使用最近的执行输出；如果不明确，则通过 ask_user 询问。 2.5. 行为验证（涉及行为的工作）：Stage 1 已经运行构建／测试，因此在运行时可以执行操作时应进一步验证。运行结果并观察实际效果（使用 run_shell 查看命令输出、端点响应或渲染后的 UI），而不是只根据差异进行推断；理想情况下，在一个验证子代理中通过 orchestrate_subagents 执行，或在无法生成子代理时内联执行。根据观察到的行为验证 AC，并检查对抗性类别（misleading_output、hung_command、stale_state、dirty_worktree 等）。将捕获的证据（命令、输出、产物路径）放入 artifact。如果运行时无法执行操作，则说明未观察到行为。
3. 启动后台评估，使被拒绝的判定可以继续进入配置的 Ralph 链：

   Tool: ouroboros_start_evaluate
   Arguments:
     session_id: <session ID>
     artifact: <the code/output to evaluate, plus observed-behaviour evidence from 2.5>
     seed_content: <original seed YAML, if available>
     acceptance_criterion: <specific AC to check, optional>
     artifact_type: "code"  (or "docs", "config")
     working_dir: <absolute project root, recommended>
     trigger_consensus: false  (true if user requests Stage 3)
     auto_evolve: <optional override; omit to use execution.auto_evolve>
   

   working_dir 同时设置 Stage 1 命令执行和 Stage 2 源码可见性的工作目录；只要知道绝对项目根目录，就应传入该目录。
4. 观察任务：启动结果会在 response.meta.job_observer 中以及末尾的 `` 内容哨兵中提供观察者约定。如果缺少结构化元数据，则从哨兵中恢复约定，并采取失败关闭策略，除非满足以下所有条件：文本末尾恰好有一个哨兵；其有界载荷解码为仅包含 job_observer 这一个键的对象；该约定通过规范 v1 验证（逐字段等于服务器根据自身的 job_id、cursor、session_id、execution_id 和 follow_result_job_keys 构建的 v1 约定）；其任务标识与可见的启动回执一致；且与任何结构化约定都不存在差异；绝不要根据可见 ID 重新构建约定。约定有效时，将其原样交给恰好一个只读观察者子代理；其指令已经会通过 follow_result_job_keys 跟踪 chained_ralph_job_id，主会话不得轮询同一任务。没有子会话时，应在下一轮或收到明确的状态请求时，通过 ouroboros_job_status / ouroboros_job_result 追踪任务；只有用户要求观看时，才使用 ouroboros_job_wait 实时等待。只有在任何后续 Ralph 任务都已终止后，才呈现收敛结果。chained_ralph_skipped: seed_unavailable 表示没有可用的 Seed：保留被拒绝的判定，并说明已安全跳过后续流程。在 OpenCode 插件模式且自动演进已禁用时，插件子任务是终止界面，且 job_id 为 None。
5. 呈现各阶段结果、最终批准决定；如果被拒绝，还要说明原因并提供建议的修复方案。根据结果选择下一步操作：
   • 已批准：接受，或使用 ooo evolve 继续改进
   • Stage 1 被拒绝且 code_changes_detected: true：修复构建／测试失败，然后运行 ooo evaluate，或运行 ooo ralph 开启自动修复循环
   • Stage 1 被拒绝且 code_changes_detected: false：先运行 ooo run 生成代码
   • Stage 2 被拒绝：根据修复方案运行 ooo run，或运行 ooo evolve
   • Stage 3 被拒绝：运行 ooo interview 重新审查需求，或运行 ooo unstuck
   • acceptance_state: unverified：向 .ouroboros/mechanical.toml 添加可执行检查（或运行 ouroboros detect），然后运行 ooo evaluate；语义审查仅提供反馈，不作判定

回退方案（无 Ouroboros MCP 服务）

使用 MCP 服务采用的提示词，自行担任 evaluator 角色：如果设置了 $OUROBOROS_AGENTS_DIR 覆盖项，则使用 $OUROBOROS_AGENTS_DIR/evaluator.md；否则使用已安装软件包中的副本，并通过 run_shell 打印：

uvx --isolated --python '>=3.12' --from ouroboros-ai python -c "import importlib.resources as r, sys; print(r.files('ouroboros.agents').joinpath(sys.argv[1]).read_text(encoding='utf-8'))" evaluator.md

否则，在源码检出目录中使用 src/ouroboros/agents/evaluator.md。

根据 Seed 给出定性、咨询性的评估（不进行数值评分；没有 Python 核心时不具备批准权限）。

RFC #1392 状态面包屑页脚

最终回复必须以且仅以一行 ◆ <current state> → next: <recommended action> 结尾。尽可能通过 ouroboros_session_status 从实时会话状态推导状态，否则根据此技能的实际结果推导。切勿使用线性的 Step N of M 页脚；如果下一步确实有多个选择，请列出 2-3 个选项。