当需要判断固定 agent 系统在给定任务、工具…

适用于对 agent 是否能完成某个命名动作给出有证据支撑的 verdict，并区分系统声称、trace 记录和环境证明。

适用场景

解决思路

1. 使用 `/would-agents-actually help` 展示 contract、verdict labels 和 required system pin，不进行研究。
2. 使用 `/would-agents-actually verdict <agent-action question>` 研究 claim，运行或检查 required action evidence，给出有支持的 verdict，并验证 artifact。
3. 将动作定义为 `[a]`：命名 opportunity/trigger、pinned system、可观察 action 或 abstention、task distribution、environment、window、budgets、real friction、comparator 和 independent readback。仅当某个未知会改变 evidence plan 时才问一个问题；否则明确写出假设。
4. 固定 model identifier 和版本、provider route、prompts、runtime、planner、router、verifier、retries、fallbacks、tools、schemas、permissions、approval gates、memory、context、checkpoints、environment、dependencies、task sampling 和 budgets。任何 material change 都创建新的 system stratum。
5. 在研究或 trials 前写下 support、contradiction 和 insufficient-evidence 条件。将 target outcomes、target traces、matched analogs、component checks、mechanism evidence 和 inference 分开。当前报告或快速变化的 runtime 行为重要时，加载 [recent-public-signal.md](references/recent-public-signal.md)。
6. 在 primary record 处验证每个 load-bearing source。完成 [verdict-protocol.md](references/verdict-protocol.md) 中的 source card 和 trace card。对 verdict 或 confidence 所需的每个 premise，要求两个 independent teams、task sets 或 datasets。Shared tasks、runs、graders 和 restatements 只算一次。
7. 只有在 independent environment readback 后才 count external action。plan、final claim、tool-call attempt、accepted request 或 long trace 不是 outcome proof。将 model-caused 和 infrastructure-caused diagnostics 分开，但在 operational verdict 中保留两者。
8. 在阅读结果前定义 reference class。匹配 action、tasks、horizon、tools、permissions、state、runtime、model version、environment、graders、budgets、failures、threat conditions 和 time。不要仅凭 model name 搬运 score。
9. 证据收集后加载 [frameworks.md](references/frameworks.md)，诊断 opportunity、selection、attempt、receipt、state、constraints、verification、stopping、repeatability 和 transport。将 capability、propensity、reliability、compliance、resilience、abstention 和 operational fit 分开。
10. 按 [verdict-protocol.md](references/verdict-protocol.md) 选择 `LIKELY`、`UNLIKELY`、`UNCERTAIN` 或 `INSUFFICIENT EVIDENCE`。如果 live research 不可用或被禁止，使用 `UNVALIDATED HYPOTHESIS`。绝不编造 run、trace、tool call、state change、grader result、rate、cost、quote、source 或 URL。
11. 设计最小 production-like test，使用 least authority。预指定 representative tasks、holdout、trials、denominator、comparator、graders、budgets、permissions、faults、stop rules、readback、rollback、cleanup 和 decision changed。使用 approved 或 synthetic data 以及 fake 或 reversible side effects。
12. 用 [output-template.md](references/output-template.md) 渲染结果，保存到 installed skill 之外，然后运行 `mise run validate-verdict --input <verdict.md>`。Exit 0 证明 artifact 具有所需 shape；Exit 1 表示不完整；Exit 2 表示命令或输入路径错误。
13. 在每个 consequential step 后，将 queries、sources、system pins、task identity、excluded runs、failures、readback、assumptions 和 validation output 追加到 external research log。当 load-bearing source、permission、readback 或 safety control 无法验证时，停止并报告缺失项。
14. 当 benchmark、trial、grader 或 transport evidence 可能为分析提供信息时，加载 [evidence-base.md](references/evidence-base.md)，然后在使用前重新检查每个 primary source。
15. 创建 verdict 时加载 [verdict-template.md](assets/verdict-template.md)。将其复制到 `assets/` 之外；不要编辑 installed template。
16. help 命令加载 [help.md](examples/help.md)；有研究的 verdict 加载 [verdict-insufficient-evidence.md](examples/verdict-insufficient-evidence.md)；system pin 或 live research 缺失时加载 [failure-unvalidated.md](examples/failure-unvalidated.md)。
17. 写完 artifact 后运行 `mise run validate-verdict`。仅在更改 validator contract 时读 `mise run tests-test-validate-verdict`。
18. 在更改 behavior、trigger boundaries 或 evaluation cases 前读 [contract.md](evals/contract.md)。
19. 仅在维护或重新打包此 skill 时加载 [generation-contract.md](references/generation-contract.md)。
20. 完成前确认 `[a]` 固定 system、action、opportunity、tasks、window、costs、comparator 和 readback。
21. 完成前确认每个 load-bearing premise 通过 independence gate。
22. 完成前确认 outcome、trace、constraints、grader validity、infrastructure、cost 和 transport 保持分离。
23. 完成前确认 trials、eligible denominator、dropped runs、uncertainty 和 task concentration 可见。
24. 完成前确认 confidence 由最弱 premise、grader、independence check 和 transport bridge 封顶。
25. 完成前确认下一个测试使用 least privilege、budgets、stop rules、readback、rollback 和 cleanup。
26. 完成前确认每个 load-bearing source 都有可见 URL。
27. 完成前确认 validator 打印 `"status": "PASS"` 并 exit 0。
28. 工厂执行：用 `mise run ci` 冻结当前 package，并记录其 digest。
29. 工厂执行：运行 `mise run domain-research-policy`，然后判断当前 agent action verdict sources 和 counterevidence。
30. 工厂执行：对命名的 agent action verdict 操作运行 `mise run agentic-request`。语义选择留给模型。
31. 工厂执行：运行 `mise run decision-policy`、`mise run ci` 和 behavioral evals。返回最低 failed owner。
32. 工厂执行：运行 `mise run invocation-policy -- <receipt>`，并说明每个 task 或其 domain-specific non-use。
33. 工厂执行：可选运行 `mise run improvement-policy`。仅当一个更改维度没有使 protected dimension 回退时保留它。
34. 工厂执行：仅当需要其 contract 时，通过 `mise run use-case-policy` 加载 `assets/use-case-contract.json`，并通过 `mise run evals` 加载 `evals/evals.json`。
35. 工厂执行：Mise 负责 repeatable mechanics、ordering、receipts 和 checks；模型负责 interpretation、causal judgment、creative work 和 code 无法提供的 direct perception。遇到 missing authority、stale evidence 或 failed gate 时停止。

适用边界 · 注意事项

• 当无法验证 load-bearing source、permission、readback 或 safety control 时，不适用；应停止并报告缺失项。
• 当 live research 不可用或被禁止时，不适用正常 verdict；只能用 `UNVALIDATED HYPOTHESIS`，且不得编造任何 run、trace、tool call、state change、grader result、rate、cost、quote、source 或 URL。
• 在敏感领域，不适用推断整体 safety、efficacy、legality、entitlement、authorization、compliance 或 permission to act；只判断定义的动作。