superpowers-evals

Superpowers Evals 面向 superpowers 的行为评估实验室。 Quorum 驱动真实的编码代理 CLI（Claude, Codex, Antigravity, Gemini, Kimi, OpenCode, Pi 和 Copilot）通过 Gauntlet QA 代理，并根据场景 验收标准以及确定性后检查进行评分。 代码、CLI、路径和内联文本均使用小写 quorum；大写形式 Quorum 出现在标题和角色表中。 这不是一个通用的基准测试套件。它是一个面向工作流合规性的评估实验室： 技能触发、工作树行为、子代理协调、验证反射、审查质量和成本塑造模式。 Safet...