共 3 篇文章。
把概率性的 Agent 拆成可验证的组件、轨迹与任务：测试夹具、Trace 回放、离线评测、安全对抗和 CI 门禁。
从检索排序指标、工具与轨迹评测，到数据集构建、离线与端到端测试、统计检验、Baseline 和回归门禁。
Agent 运行时、检索、评测、工具编排、安全与微调的独立复习入口。
