AGENT EVAL / BENCHMARK

从 0 到 1，
搭建可信的 Agent Eval 体系。

这里写 Agent Eval 里遇到的具体问题：指标怎么定、任务怎么设计、Grader 和 Harness 怎么写、怎么接进 CI/CD、出了问题怎么复盘。