AgentEval：面向有状态智能体的证据边界化评估

AgentEval 以契约约束的评估记录贯穿工具执行与证据捕获，判定有状态智能体的义务是否被满足。在 32 个 tool-world 管理任务中，独立检查对 30 个完整 episode 全部一致；48 个证据视图的受控干预暴露出 36 个仅靠 hash 检查漏掉的绑定故障。