coder_eval

Coder Eval 在沙箱中让真实的编程智能体（Claude Code、Codex、Antigravity、OpenCode 或 Pi）执行声明式 YAML 任务，并对其产出的文件和命令打分。支持 0.0-1.0 加权评分、技能触发检查、A/B 实验和成本统计，可作为 CI 的质量门禁。