Deep Agents Grading Rubrics

评分标准把“感觉不错”变成可重复检查的质量维度。我会区分离线评测、运行时反馈和人工评分，避免把 Beta 评分能力直接当成业务事实。

后续整理重点

• Rubric 的结构和评分结果。
• 如何把评分反馈用于提示词、Skills 和 Memory 的迭代。
• Beta 能力的稳定性和数据留存边界。