用前沿模型迭代优化 Agent Prompt 并提升 F1 与一致性

一种 Agent 系统优化方法用前沿模型迭代改进自己的 context 和 Prompt，并在自建 eval 上测试效果。评测会检查 5 次运行中的分类一致性，以及 F1、召回率和精确度是否提升；作者强调，若用小模型（如 Jev）作为 RL 的 reward function，这一步必须进行。