AgentEval：面向有状态智能体的证据边界评估系统

AgentEval 是一套贯穿工具执行、状态与事件捕获、报告资格认定和用例维护的合约约束评估记录系统，将智能体的行为、证据所确立的内容与结论是否仍获支持三者分离。在 32 次工具世界执行中，独立检查对全部 30 个完整回合达成一致，区分已满足、已违反和未决义务；对 48 个证据视图的受控干预暴露出 36 个仅靠哈希校验会漏掉的绑定故障。