值得学什么
作者用错误库存期望值、崩溃恢复与状态/评分分离讲评测台设计；适合对照自己哪里会把生命周期完成误写为任务成功。
准备
做过工具调用或Agent运行器，熟悉状态与持久化。
动手试试
编辑建议：给一次模拟工具调用添加请求摘要与收据，注入返回前崩溃，核对恢复是否重复副作用；再故意写错期望值，保留旧运行并用新契约重评分。
阅读依据
实际读取2026-09-17正文中的事件账本、审批参数绑定、幂等与错误ground truth案例；未运行作者代码。
Agent 系统 · 评测与基准 · Event Sourcing · Idempotency · Ground-Truth Validation