評測與品質
評測套件是一種以工作區為範圍的任務定義，用來對代理執行：一段提示詞、 一個目標代理與模式、選用的前置準備、一個帶有固定 SHA 的選用測試夾具， 以及一組評分器。評分器以確定性檢查為先；確定性檢查無法表達的部分， 則交由以 LLM 評分標準判斷的評審處理。
建立工作區時會預置五個入門套件。它們涵蓋編排提案、能找出預置錯誤的審查、
計畫模式維持唯讀、計畫模式產出計畫，以及工單往返。預置程序會監聽
WorkspaceCreated（workspace.upsert 或 workspace.create），略過已存在的名稱，
也不會回填較舊的工作區。
它們出現的位置
標題為「它們出現的位置」的章節可觀測性 → 品質（/workspaces/<id>/observability）會列出工作區中的每個
套件。
透過 evals.upsertSuite、evals.deleteSuite 和 evals.watchSuites 建立、列出、
編輯和刪除套件。品質分頁就是這份清單；這些操作就是編輯器。