Evidence 与 replay

Agent Runtime 应让工作可审计。Evidence 与 replay exports 必须来自驱动 UI 和 diagnostics 的同一份 runtime facts。

Evidence pack

Evidence pack SHOULD 包含：

• runtime summary
• event 或 timeline summary
• thread read model
• tool calls 与 failed calls
• artifacts 与 artifact refs
• context refs 与 compaction boundaries
• provider routing、permission、sandbox、hook、process 与 limit events
• 适用时的 verification outcomes
• 适用时的 review 或 audit notes

Evidence system 拥有 verdicts。Runtime 拥有 export scope、correlation ids 和 references。

Replay case

Replay case SHOULD 包含：

• input payload 和 selected options
• context 与 tool inventory refs
• expected state 或 behavior assertions
• evidence links
• 适用时的 grader 或 review instructions

Replay 不能只依赖 UI 截图或最终正文。

Observability

兼容 runtime SHOULD 将执行映射到 trace concepts：

• session/thread/turn 作为 trace attributes
• model call、tool call、context retrieval、artifact write 和 export 作为 spans
• warnings 与 decisions 作为 span events 或 logs
• token usage、latency、retries、queue wait 和 tool duration 作为 metrics

可用时，trace ids 应出现在 runtime events 和 evidence exports 中。

Signal applicability

Evidence SHOULD 区分四种状态：

• exported：信号已导出并可关联。
• not_applicable：当前 scope 不适用。
• unsupported：runtime 不支持该信号。
• missing_correlation：有原始日志但无法用 ids 关联到当前 scope。

known_gaps 只能来自适用但未导出的信号。不要把所有可能的未来能力写成每个线程的 gap。