桌面 Agent 怎么算「完成任务」？开发者求解保存与上传的验证难题

开发语音优先 Windows 助手的开发者提出，桌面 Agent 测试不能止于「输入已发送」，需界定何种证据才算任务完成。他列举自动保存是否成功未确认、上传是否完成未知、窗口变化后旧控件标识不可复用等歧义场景，并设想每次动作绑定刚观察到的窗口/控件、每步前检查结果、验证显式后置条件。他向社区征询该用应用专属检查、无障碍检查还是独立验证器，并求具体失败案例而非 benchmark 分数。