InvariantEval 代理技能
InvariantEval 強制執行您宣告的不變量。它不會讓代理「正確」，也不會為您重寫輸出。唯一的真實主張是：您的代理在每個輸出上執行您聲明的安全規則，並在鎖定欄位未經人類確認而被自動填入時拒絕完成。
何時使用此技能
在完成任何結構化 JSON（或類似）輸出之前使用，當：
- 領域具有宣告的鎖定欄位（通過/失敗、合規狀態等）
- 您有（或需要）一個包含
field_policies和不變量斷言的suite.yaml - 人類應該擁有某些欄位，且模型不得自願填入它們
不要使用此技能來猜測不變量。您的工作是讓宣告它們變得無摩擦，而不是推斷它們。
工作流程
1. 找到或建立一個宣告的套件
- 在專案中找到現有的
suite.yaml，或 - 將
suite.template.yaml複製到專案中，並讓使用者填入field_policies、equivalence_classes和assertions。
絕不能憑空發明鎖定欄位，除非在套件中有使用者宣告。
2. 在完成前執行不變量檢查
您有模型的原始解析輸出和預期的最終輸出。執行：
python agent-skill/invarianteval/check.py \
--suite path/to/suite.yaml \
--case-id agent-check \
--model-parsed /tmp/model_parsed.json \
--final-output /tmp/final_output.json \
--human-confirmed /tmp/human_confirmed.json
從當前輪次寫入 JSON 檔案。--human-confirmed 是可選的（當沒有明確確認時，使用 {}）。
套件必須包含一個具有給定 --case-id（預設：agent-check）的案例以及您想要強制的斷言。
3. 如果檢查失敗：停止
- 不要完成、提交或將輸出呈現為完整。
- 從 CLI 輸出中呈現確切的不變量失敗（例如
never_auto_filled[pass_fail_result]）。 - 要求以下之一：
- 使用者編輯最終輸出以移除或修正違規，或
- 使用者明確確認欄位（在 fixture 中的
human_confirmed），或 - 使用者更新宣告的套件（很少發生）。
4. 如果檢查通過：繼續
僅在退出碼為 0 後完成。
MCP 替代方案
如果環境已安裝 [mcp] 附加功能，請優先使用 check_invariants MCP 工具，輸入相同。請參閱 docs/mcp.md。
誠實框架（必要）
- 說：「宣告的不變量」、「拒絕完成」、「鎖定欄位自動填入」
- 絕不說：「自我修正」、「使代理正確」、「自動推斷不變量」