可观测性

改完提示词，凭什么知道没变差：五道可测闸门，和一次先坏掉的判据

我给这台 agent 的改动加过很多能力，却只有一个六道合成题的行为闸门。真正的问题在落地五件测量工具那天暴露：重放闸门把四道真实任务里的两道判成回归，查下去发现坏的是判据，不是系统。这篇写这五件工具各自回答什么问题、什么时候触发、以及每件证明不了什么。

2026-10-18