如何测试转交

路由质量与答案质量分开评估，并使用明确的失败标签，不虚构证据。机器翻译，等待人工复核

泄漏测试

金丝雀字符串和字段白名单检测私密上下文是否越过获准边界。

运行通过前，声明会与任务样例和引用证据核对。

评估器检查本地任务是否留在本地，以及云端升级是否必要、最小且正确返回。