Grill Me · 23/24 tests
平均 5.85M candidate token、18.50 分钟；在当前面板中分数与精确测试通过数最高。
WORKFLOW ARENA · LUNA/HIGH · 5 WORKFLOWS · 8 TASKS同一批任务，
同一批任务，
五种技能工作流。
这是 Workflow Arena 的 Luna 五工作流、八任务横评面板：比较产品分、精确测试、workflow 完成率和候选侧资源，把五种方法放在同一组任务尺度上观察。
WORKFLOW ARENA候选 Luna/highOperator + Judge Terra/high每格 n=3
候选运行120
5 workflows × 8 tasks × 3
自动盲评分240
每条 run 两个 score
Focused tests93 / 120
compact 表中的通过标志
终态107 · 12 · 1
completed / protocol-failed / token-limit
01 / DIRECT ANSWER
Grill Me 当前领跑，但这不是“通用冠军”证明
宏均分是八个 task cell 等权平均；每格只有三条。
Superpowers Full 为 89.64、21/24 tests，但平均 32.99M token 和 48.38 分钟，约为 Grill Me 的 5.64× token、2.62× 时间。
MatrixSpec L0 得分 86.71、19/24 tests，但 workflow 只完成 11/24；协议失败必须单列。
该面板不能回答“相比原生 Luna 提升多少”，也不能与本站 Terra 单任务五组直接相减。
02 / QUALITY × COST
五种工作流的发布结果
Score、tests 和 workflow completion 是不同终点；token、时间和 credits 只描述候选侧计算负担。
01
需求决策循环
Grill Me
24/24 workflow · 23/24 tests · 11.58 operator decisions/run
宏均分92.14
02
完整 SDLC workflow
Superpowers Full
24/24 workflow · 21/24 tests · 8.92 operator decisions/run
宏均分89.64
03
状态机 + 独立 reviewer
MatrixSpec L0
11/24 workflow · 19/24 tests · 10.33 operator decisions/run
宏均分86.71
04
proposal → apply
OpenSpec core
24/24 workflow · 16/24 tests · 0.08 operator decisions/run
宏均分72.00
05
单体完整规则集
Ponytail
24/24 workflow · 14/24 tests · 0.00 operator decisions/run
宏均分70.19
03 / TASK MATRIX
不是每个任务都有相同排序
每个单元格是三条 run 的 mean score，再按八个任务等权求宏均分。
| Workflow | CLI fields | ESLint | pytest plugin | pytest addini | bat sanitize | SQLModel | Axum | Prometheus | Macro |
|---|---|---|---|---|---|---|---|---|---|
| Grill Me | 100 | 99.67 | 98.67 | 86.83 | 97.33 | 86 | 97.83 | 70.83 | 92.14 |
| Superpowers Full | 99.17 | 99 | 99.50 | 89.50 | 75.33 | 84.33 | 97.50 | 72.83 | 89.64 |
| MatrixSpec L0 | 94.50 | 94.50 | 95.17 | 87.17 | 87 | 84.83 | 87.17 | 63.33 | 86.71 |
| OpenSpec core | 83.33 | 48 | 94.83 | 79.33 | 89.83 | 81.67 | 65 | 34 | 72.00 |
| Ponytail | 78.33 | 47.67 | 94.50 | 85 | 80 | 73 | 61.67 | 41.33 | 70.19 |
稳定高分区：CLI、pytest plugin 与 Axum 上，多数 workflow 都能达到较高分；流程差异更容易体现在资源和完成状态。
分化区：ESLint 和 Prometheus 上差距最大。Grill Me 的 ESLint 为 99.67，但 Prometheus 仍只有 70.83；单一宏均分会隐藏任务敏感性。
04 / WHAT IS GRILL ME
本体很小，实验 treatment 比 Skill 本身更完整
/grill-me wrapper
显式入口，原始内容只是启动一个 /grilling session；它禁止模型自动调用。
grilling primitive
沿决策树一次问一个问题，每题给推荐答案；可查事实自己探索，产品决策交给用户。
Workflow Arena adapter
强制 operator marker、多轮 GT 回答和实施前共享理解审批；批准后才允许原生实现与验证。
探索事实→一次一个决策→Operator 回答→共享理解获批→单 Agent 实现 / 验证
它没有 Full Superpowers 的正式 spec、writing-plans、TDD、任务拆分、子代理实施或独立 review loop。当前结果测量的是“两个窄 Skill + harness 强制的 GT 决策闭环”，不能归因于一行 prompt。
05 / EXECUTION STATUS
产品质量、精确测试和协议可靠性必须并列
Candidate + subagents1.602B13.35M token / run
GT operator122.27M1.02M token / run
Matrix reviewer43.50M23 reviewer units
Blind judges38.99M240 judgments
MatrixSpec 的 12 条协议失败
9 条是独立 reviewer 修改产品文件，另有 review 尝试耗尽、无效 stage verdict、以及 review 前创建 full baseline 文档各 1 条。报告保留这些失败，没有用高盲评分覆盖流程终态。