Eval-harness 复用生产环路

父级: agent-core

Eval-harness 只导入公开的 agentcore facade（从不导入 internal/），并运行与生产环境逐字节相同的 agent 循环——这样在 eval 中发现的 bug 就是真实存在的 bug，而不是重新实现造成的假象。Fixture 作为合法的替代数据源注入，而不是 mock（它们满足的是与 postgres repo 相同的那些端口）。

它从多个维度测试 agent 质量：grounding（回应是否有依据）、隐私金丝雀（privacy canaries，一个绝不能泄露的秘密——interview.py）、工具使用机制、上下文压缩（>32K——compaction-test.sh）、跨对话一致性（cross-conversation-test.sh）——分为确定性的场景运行（scenarios/*.yml 经 --scenarios，expect_ghost 之类的标准答案；scenario.go/runner.go）和在真实模型上判定的 live 运行（*_live_test.go，以及一个逐轮驱动 --ask 的面试官 agent）。

这个 facade 同时也是 agent-as-injectable-driver 的雏形——"注入 fixture、启动真实循环"这个做法，被泛化成了"注入能力（capabilities）与 prompt、并行启动多个"。