① 出题
加载eval_sets题库
② 搭环境
precondition检查+快照
③ 对话执行
考官+考生多轮交互
④ 判分
裁判读rubric打分
⑤ 汇总
更新summaries+insights
⑥ 反哺
改进workflow或题目
⑦ 重跑验证
对比score-history确认改进