inclusionai ClawEvolve Bench
本 Skill 提供与 Task/Step 无关的 Bench workflow 产品能力。独立 Bench Task 的 Message 模式由统一 Step handler 适配：
python3 -u -B ${SKILL_BASE_DIR}/clawevolve-workflow/scripts/handlers/clawevolve_bench_run.py <原始命令参数>
handler 再调用 ${SKILL_BASE_DIR}/clawevolve-bench/scripts/clawbench-workflow.py。本 Skill 不复制 Step 上报逻辑。
Optimize 等内部调用方直接使用 Python CLI，不经过 Step handler：
python3 -u -B ${SKILL_BASE_DIR}/clawevolve-bench/scripts/clawbench-workflow.py run \
--owner-id <bench-owner-id> \
--domain-id <domain-id> \
--model <model> \
--suite <suite> \
--scene <scene> \
--work-dir <absolute-work-dir>
CLI 第一次运行时自动解析 Domain 当前已发布模板，并在 work-dir 的父目录创建
bench_context.json；后续不同 work-dir 自动复用相同版本。高级场景可重复传入
--template <name>@<version> 或用 --context-dir 指定共享 context。CLI 在 work-dir
内部创建 input/state/result/output/logs，stdout 最后一行输出结果 JSON；它不读取或上报
Evolve Step。
Workflow 在评测结果上传后会调用 clawbench-report 生成报告。实现会创建或复用专用
clawbench-report OpenClaw Agent，并为每次 Bench Run 使用独立 Session；报告生成结果、原始
输出和 Session 标识最终由 summarize 写入对应 Bench Run。--no-report 仅用于明确关闭报告。
独立 Step 命令
python3 -u -B ${SKILL_BASE_DIR}/clawevolve-workflow/scripts/handlers/clawevolve_bench_run.py \
--task-id <task-id> \
--step-id <step-id> \
--domain-id <domain-id> \
--owner-id <owner-id> \
--model <model> \
--suite <suite> \
--scene <scene>
命令参数统一采用 ClawEvolve 的 kebab-case 规范：--domain-id、--template-name、--template-version、--owner-id、--model、--suite、--scene、--judge。ClawWeb 会传入前七个非空参数，并在配置了 judge 时传入 --judge；handler 会与 Step Input 逐项校验。
原 workflow 的 judgeBaseUrl、judgeApiKey 和 outputDir 不进入命令行：judge 地址和密钥通过 Step Input 中的环境变量引用解析，输出目录由 task-id/step-id 固定生成。完整冻结模板列表和运行配置也只以 Step Input 为准。该 Skill 不接受 camelCase 或旧参数别名。
输出
本地状态写入：
/home/admin/.openclaw/workspace/clawevolve_results/<task-id>/bench/<step-id>/
直接 Python CLI 的最终结果写入 ClawWeb Bench Run 并返回调用方；只有 Step handler 会把它 上报到当前 ClawEvolve Step。
约束
- 不依赖 ClawMind、workflow engine、facade binding 或
WORKFLOW_ENGINE_*。 - 完整保留原生产 Workflow 的版本检查、模板加载、Run 创建、Benchmark、上传、报告和汇总流程。
- 不把 judge API Key 写入参数文件、日志或 Step Output。
- 不修改 Bench 模板、评分器或真实 Bot workspace。
- 不创建下一 Step，不执行 Bench Plan 或 Optimize。