agent-behavior-baseline：用数据评估智能体行为是否变好

agent-behavior-baseline 是一套判断智能体在变更后是否真正变好的 AgentSkill，包含追踪表、固定评测套件、真实任务、记忆检索基线和遵循性评测。它区分环境冒烟测试与模型行为质量，要求检查项 ID 固定、基线冻结，并以命中数除以基数报告结果。它仅依赖 Python 标准库，采用 MIT 许可证，明确不做模型横向对比，也不以评测结果证明安全性。