多轮对话
直写
直写
精简后送入
产出
产出
↻
回复
考官 Examiner
用户模拟器，只读task.md
考生 Candidate
被测 Agent，自由使用工具
transcript.jsonl
完整对话+工具调用记录
裁判 Judge
唯一判分者，读rubric+精简transcript
score.yaml
review.md