每类任务明确成功条件与失败条件明确动作边界与权限规则workflow agent 今天像聪明助理，明天可能像会乱按按钮的小朋友——而且按钮还连着生产数据库。测评要从“回答质量”升级为“验收 + 故障演练 + 回归门禁 + 线上监控”，才真的能上线、能长期跑。