Waza：微软开源的 AI Skill 质量检查器

Skill 写完了，你怎么知道它真的好用？光看 SKILL.md 写得顺不顺还不够。规范有没有问题、测试有没有覆盖、工具调用是否符合预期……都需要跑起来验证。

微软开源的 Waza，是一套面向 AI Agent Skill 的命令行评测工具。它既可以检查 Skill 本身是否准备完整，也可以通过评测任务实际运行 Skill，再用评分器验证输出、文件变化、工具调用、Skill 调用等行为。

Waza 里有两类检查值得说下。waza check 负责提交准备检查：检查 Frontmatter、Token 预算、是否存在 eval.yaml、是否符合 Agent Skills 规范，以及一些结构和可维护性问题。任务效果通过 waza run 执行评测，再由评分器给出分数、是否通过和具体反馈。

还有一个挺实用的 waza spec verify：它会检查 SKILL.md 里声明的能力和使用边界，有没有对应的测试任务覆盖。也就是说，既要检查“Skill 写得对不对”，也要检查“该测的东西到底测没测”。

已有 Skill，可以先用 waza new eval my-skill 生成评测骨架，补上测试任务、测试数据和评分规则，再运行 waza run my-skill。后面 Skill 或模型有调整，继续跑同一套评测，就能比较不同版本或模型的结果，也可以接进 CI 做回归检查。

Waza 更适合已经开始认真维护 Skill 的个人开发者和 Agent 工程团队。它解决的问题很直接：别只凭感觉判断 Skill 好不好用，把测试跑出来，再看结果。

使用上需要注意，默认评测链路需要 GitHub Copilot 使用权限，也可以配置自定义的 Copilot SDK 模型提供方。

开源项目 waza skill Agent AI工程 开发者工具 评测工具 GitHub 微软开源