三阶段：doctor / eval / observe
omk 围绕三个阶段组织，对应一份 LLM 知识（prompt / RAG context / skill / agent）的生命周期。它们回答三个不同的问题，但不是三个同等入口。主干是发布前的 doctor → eval 判断；observe 是有真实 trace 之后的发布后反馈闭环。
| 阶段 | 命令 | 回答的问题 | 软件工程类比 |
|---|---|---|---|
| doctor | omk doctor | 这个 artifact 本身是否成型到能测的程度？ | lint + typecheck + 冒烟测试 |
| eval | omk eval | 这次改动是否真的更好——能被证明？ | CI 测试套件 |
| observe | omk observe | 它在真实生产 trace 上站得住吗？ | 生产监控 |
知识、实体与载体的概念基础见OMK 如何理解知识。本文聚焦三阶段如何协作。
主干：这次改动能不能发布？
omk 的第一条有用闭环，应该像一张发布检查表：
我改了一个 skill / prompt / agent artifact
→ doctor 判断结构、依赖、可测性是否过关
→ eval 判断它是否在同一批用例上打赢 baseline
→ report / Studio 指出下一步该修哪里
→ 我决定发布 / 不发布在这条链路足够可信之前，围绕 observe、导出、badge、bot 继续加展示面都是次要的。它们以后可以放大一个判断，但不能替代受控的 doctor → eval 判断。
doctor —— 前置健康检查，先于你信任任何数字
doctor 是对单个 artifact 的静态 + 单次 LLM 调用健康审计：可读性、元数据、依赖、samples 契约对齐（静态 rule），加上 LLM 打分的维度（触发边界、文档清晰度、指令精确度……）。它不对比两个版本——它告诉你这个 artifact 是否处于"值得测"的状态。
它同时是 eval 的前置门禁：omk eval 内部会跑静态 doctor rule，artifact 坏了就拒跑 —— 就像 CI 在跑测试前先跑 lint。doctor 绿了，意味着你接下来这次测量不会是 garbage-in；doctor 红了，就应该直接指到结构、依赖或可测性问题，先修再比比分。
→ How-to：doctor 体检
eval —— 测量核心
eval 是 omk 的心脏：一次离线 A/B，固定模型和用例，只改变 artifact 与封存的 runtime context，回答「新版本是否在噪声之外打赢了旧版本？」。它产出经过认证的 Execution／Evaluation／Analysis 证据、Bootstrap uncertainty、coverage 与 agreement 诊断，以及可用于 CI 路由的已注册 Decision（PROGRESS / REGRESSION / CAUTIOUS / NOISE / UNDERPOWERED / SOLO）。
omk 的测量严谨性都在这里。工作原理、统计严谨性、评分公式 讲的都是怎么把这一个数字做到足以支持发布 / 不发布判断。
→ 概念：工作原理 · 评分公式 → How-to：评测 agent · 自动迭代 skill
observe —— 它在生产里站得住吗？
eval 是固定用例集上的受控实验，observe 是另一端：它把真实 Codex rollout、Claude Code / OpenClaw session 与 markdown 对话日志统一转换为 source-neutral Trace IR，再生成 skill 健康度报告——知识使用、gap 信号、执行稳定性、token 使用和耗时。它是观测，不是评分：它告诉你知识库在真实使用里在哪儿撞上了未知，好让下一轮用例去覆盖这些点。
所以 observe 是发布后输入，不是现在最该打磨的第一入口。如果团队还没有稳定真实 trace 流，最值得投的通常不是更丰富的 production graph，而是更扎实的 doctor / eval 发布判断闭环。
→ How-to：观测生产 trace
它们怎么串起来
写 / 改一个 artifact
│
▼
omk doctor → 是否成型？ （门禁）
│ 绿
▼
omk eval → 改动是不是真的进步？ （verdict → CI 门禁）
│ 发布
▼
omk observe → 生产里站得住吗？ → 把新发现的缺口喂回 eval发布闭环在 doctor → eval 就已经有价值。生产闭环稍后合上：observe 暴露真实世界的缺口 → 它们变成新的 eval 用例 → eval 证明下一个修复 → doctor 保证每次迭代都成型。omk evolve 把 doctor → eval → 改写这个内层循环自动化；omk sample 帮你生成喂给它的用例。