Agent Skill 盲测评分器在 26 个测试中静默失败 25 个

一位销售 Agent Skills 的开发者分享盲测评分方法，并发现评分器在 26 个输出中静默将 25 个无法解析的结果判为 FAIL。修复后，解析器可识别多种 Agent 输出格式，并将无法解析的结果标为 UNVERIFIED，重跑后自动化评分与人工评分一致。