语音 Agent 评测讨论：总分涨了但出现新 bug，该不该上线？

一位做语音 Agent 评测的工程师认为，整体评测分上升但出现新 bug 时要不要上线，取决于 bug 是什么：措辞变差一点可以接受，但「超时可能创建两个订单」这类故障即使其他分数全部提升也要叫停。他向同行征集哪些 agent 失败是无论平均分多高都一票否决的红线。