Agent 轨迹校验器

校验范围

最终答案只是结果的一部分。测试时还应检查任务目标、工具名称、调用顺序、参数 schema、重试次数和最终状态。

失败分级

• P0：越权、错误写入、隐私泄露。
• P1：任务失败、关键工具漏调、参数导致业务错误。
• P2：多余步骤、无效重试、格式瑕疵。