Task 编写教程
从 examples/datasets/minimal-demo 抄一题，改 run.py 与评测并跑通。
目标：本机能 lock、能 run、能出评测结果。
开始之前
教程命令用仓库内的 examples/… 路径，需要先 clone 仓库；CLI 用 uv tool install ageval-cli 安装即可，改 ageval 本体才需要 uv sync。
让 agent 代写
npx skills add ZJU-REAL/ageval --skill ageval-config-package
npx skills add ZJU-REAL/ageval --skill ageval-sdk-harness把你要的 task 描述给本机 coding agent，它会写完目录、task.yaml、run.py、evaluator.py；照下面的步骤手抄也一样。
1. 复制最小结构
examples/datasets/minimal-demo 已是完整 dataset。复制一个 tasks/<id>/（可从 terminal-jsonl-agg 起步），目录名必须等于 task_id。
tasks/hello/
├── task.yaml
├── run.py
└── evaluator.py2. task.yaml
format: ageval.task/1
task_id: hello
parameters:
instruction: "Reply DONE"
agent_profiles:
- id: solver
limits:
wall_time_seconds: 300
environment_seconds: 600
evaluate_seconds: 600
agent_invocations: 1
artifacts:
publishable:
- id: reply
path: artifacts/reply.json
evaluation:
inputs:
- artifact: reply
target: artifacts/reply.json不要写 harness:、provider:、assurance。环境和 ACP entry 在根上 profiles.yaml。wall_time_seconds 只覆盖 run。environment_seconds 与 evaluate_seconds 缺省 600。agent_invocations 只计 run 阶段的 invoke。
3. 跑
ageval lock examples/datasets/minimal-demo --task hello
ageval run examples/datasets/minimal-demo --task helloACP 报缺 entry：profiles.yaml 里该角色没写 - plugin: acp / options.entry。先 ageval executors -v 看本机装了哪些 agent 与入口，再补上配置。
评测默认是脚本比对参考答案。若要用 LLM-as-judge，在同一份 profiles.yaml 加角色，参考答案进入环境后再 Agent.session；要多个安装内容不同的打分镜像按顺序打分，在 task.yaml 写 evaluation.environments，evaluator 按名字指定用哪个。evaluator 返回里可选 checks（helper evaluation_check）会写成 evaluation/checks.json 给 Verifier。