研究与基准测试/2026-10-21/10 分钟同一评测集才能比版本：火山引擎技能实验默认只在北京跑火山引擎 AgentKit 的技能评测实验把评测集、技能版本和执行模型绑在一起。多版本对比必须锁定评测集、模型和环境变量。样本数乘以重复次数不得超过 1000，功能目前只支持华北2（北京）。
研究与基准测试/2026-10-10/8 分钟P0 先修：火山引擎把技能质量检查绑在版本上火山引擎 AgentKit 在技能创建和每次更新后自动做静态质量检查，结果跟版本走。问题分 P0 阻断、P1 警告、P2 建议；P1 和 P2 默认不阻断发布。修复后会生成新版本并重新检查。
研究与基准测试/2026-10-09/8 分钟技能上线前分三条验：火山引擎 AgentKit 把质量、安全和效果拆开火山引擎 AgentKit 把技能发布前验证拆成质量检查、安全扫描和技能评测。只读账号只能看结果，开发权限才能触发检查和评测实验。P0/P1/P2 与严重/高/中/低是两套分级，不能互相替代。
