METHODOLOGY
让 Agent 完成实际任务，再按事先约定的规则检查结果。每份报告都说明测试条件和适用范围。
研究插件能否找对答案，并完成有依据的报告？
换一个会话后，Agent 还能找回之前的信息吗？
开发中，真实能力验收待完成。了解如何结合运行轨迹、环境变化与交付物评分，并记录无法判断与评分错误。