# Agent 实验记录

## 实验身份

- 日期 / 作者：待填
- 代码版本或文件摘要：待填
- 环境版本：待填
- 模式：离线脚本 / 真实模型（删除不适用项）
- 模型标识 / 提示词版本：待填；未用模型则写不适用
- 数据快照 / 评测集版本：待填

## 要解决的问题

具体失败：待填。当前假设：待填。本次唯一改动：待填。
固定条件：待填。预期观察到什么：待填。

## 实际运行

完整命令与工作目录：待填。
原始输出或轨迹文件路径：待填。
每题重复次数、超时与预算：待填。

| 任务 ID | 开发/保留 | 期望行为 | 实际状态 | 引用支持 | 满足任务 | 安全 | 最终判定 | 证据位置 |
| --- | --- | --- | --- | --- | --- | --- | --- | --- |
| 待填 | 待填 | 待填 | 待填 | 是/否/未知 | 是/否/未知 | 是/否/未知 | 通过/拒绝/待复核 | 待填 |

## 评分口径

任务数：待填；总尝试数：待填；通过 / 拒绝 / 待复核：待填。
评分来源：人工 / 规则 / 经校准模型（说明各自负责哪些标签）。
正确拒答如何判定：待填。未知项如何计入分母：待填。
所有尝试的总耗时与费用：待填；无模型调用写“不适用”，缺 usage 写“未知”。

## 修复与回归

| 任务 | 修改前 | 修改后 | 修复/回归/不变 | 原因证据 |
| --- | --- | --- | --- | --- |
| 待填 | 待填 | 待填 | 待填 | 待填 |

保留或撤销本次改动：待填。理由：待填。
本实验不能证明什么：待填。
未解决的问题与下一次实验：待填。