Agent 拒答评测别只塞越界题：用对照样本抓

小林让 Agent 从岗位描述里提技能，原文只写了“熟悉招聘系统”，它直接拒了。同一轮里，它又把“五年实操”当成明文要求。

问题就在这儿：评测只塞越界题，Agent 一律拒绝也能拿满分，却查不出它把正常请求也挡掉了。

解法很土但管用——给每条拒答测试配一条只差一个条件的对照样本。有证据和没证据、获准和未获准、材料完整和缺段，只动一个变量，看路由变不变。

我设了四组最小对照：

年限：提取“熟悉招聘系统”该回答；追问是否代表五年经验，才拒绝推断。
授权：同一份候选人卡片加手机号，授权开启就提取，关闭才拒绝。
段落：完整段落支持某技能就回答；删掉该段再问，标待确认。
文件：读取成功就回答；解析失败就待核验，不硬给结论。

状态不能压成“成功/失败”。拒绝、待确认、待核验原因不同，混着算会把正确追问误记成误拒。

这组样本得跟岗位文本、规则版本一起保存。文本一更新，旧答案可能不再适用，不然团队会把任务变了误判成模型退步。

改规则前先重跑这四对，再把新问题纳进新版本。