交付前验证

构建评测套件：带基准答案的自动化评分与回归检测，让团队在模型或提示词变更上线前就知道效果有没有提升，而不是靠感觉。

在开发完成后统一处理验证、提交粒度、推送与分支生命周期，明确合并、压缩或后续工单。

在让 Agent 接管发布前，先约定黄金信号、SLO 窗口与面板检查项——助手才知道何谓「健康」，而不是从嘈杂日志里猜。