通用 LLM 评估模块（LLM-as-judge 全链路）：数据集（CSV/JSONL）→ 指标 SPI （确定性 / 语义 / LLM 裁判 / 运行指标）→ 批量并发执行与聚合 → JSON/Markdown/HTML 报告 → CI 阈值断言 → 录制回放与指标回归。仅依赖 sure-ai-core，零运行期第三方依赖， 不依赖 sure-ai-rag，与 RAG 专用评估互补。注册进 sure-ai-bom 与 sure-ai-all。