Agent 测试金字塔：从工具单测到人工抽检的五层测法

这套 Agent 测试框架将测试划分为工具单元测试、工具契约测试、mock 工具脚本化轨迹测试、真实任务结果评测和人工抽检五层，并按成本由低到高组织。轨迹测试重点断言工具调用、危险操作授权、步数预算与失败处理，真实任务评测则检查最终状态；上层发现失败后，应尽量在低层补充可复现测试。