application.json 包。它包含流程、入口、真实 Skill 依赖和验证条件，不能只用入口正文的评估结果代替整个应用的行为。
启动评估
准备 Eval Agent 环境，然后运行：固定与复用用例
自动生成并冻结 2–4 个用例。后续重试与应用修订复用原用例，让差异能对应到同一组输入。 完整流程的用户决定、拒绝、修订与恢复条件按实际用例执行。用例生成失败、输入无效或 Agent 平台执行失败会如实记录，不把未运行当成通过。分开阅读三类证据
模型 Eval 展示实际覆盖到的步骤与路径。未执行的分支、外部操作或平台仍未覆盖；少量用例不能证明全部业务范围。