Claude Code 新增插件评测，可对比启用与不启用插件的实际效果
Claude Code 新增 claude plugin eval，用测试用例评估插件或 Skill 带来的效果。开发者可用 claude plugin eval init 描述好坏结果、提供真实提示词，让 Claude 草拟用例与评分检查；运行后可比较同一任务启用和不启用插件时的分数，并查看 JSON 与 HTML 报告。 官方文档要求2.1.269或更新版本，默认每个用例在两种条件下各运行三次。评测及模型评分会消耗账户用量，结果也会波动；官方建议先用 --runs 1 试跑，只评测可信插件。支持的账户还可把报告发布为私有产物，便于查看逐次结果。