niceeval 0.9.1 → 0.10.0

package/docs-site/zh/reference/define-agent.mdx

@@ -6,7 +6,7 @@ description: "defineAgent 和 defineSandboxAgent 参考：AgentContext、AgentSe
 
 每个 [NiceEval](https://niceeval.com/) agent 都是一个 adapter：一段知道如何驱动特定 backend，并把输出转成标准事件流的代码。runner 只调用 `agent.send(input, ctx)`。
 
-![一次 t.send 的完整往返：eval 调用 t.send，运行器组装 TurnInput 与 ctx，adapter 返回标准事件流 Turn。](/images/agent-turn-roundtrip-zh.svg)
+![一次 t.send 的完整往返：评估用例调用 t.send，运行器组装 TurnInput 与 ctx，adapter 返回标准事件流 Turn。](/images/agent-turn-roundtrip-zh.svg)
 
 ## `defineAgent`
 
@@ -106,10 +106,9 @@ coverage?: EvidenceCoverage;
 setup?: AgentSetup;
 ```
 
-每个 attempt 一次(remote agent 没有真实沙箱,运行器会传入一个仅含 `workdir`/`sandboxId`/
+每个 attempt 一次(remote agent 没有真实 Sandbox,运行器会传入一个仅含 `workdir`/`sandboxId`/
 `otlpHost`/`stop` 等元信息的 stub `Sandbox`,其余方法调用即抛错——不要在这里调用
-文件/命令类沙箱方法)。常用于建立连接、鉴权等一次性准备。可返回一个 cleanup 闭包,
-与 `teardown` 都在 finally 里跑。
+文件/命令类 Sandbox 方法)。常用于建立连接、鉴权等一次性准备,不返回值。
 
 #### `tracing`
 
@@ -141,7 +140,8 @@ send(input: TurnInput, ctx: AgentContext): Promise<Turn>;
 teardown?: AgentTeardown;
 ```
 
-运行结束前的清理(与 setup 返回的 cleanup 一起、都在 finally 里跑一次)。
+运行结束前的清理,当且仅当本 attempt 走到过 `setup` 时点才执行(`setup` 抛错不豁免),
+在 finally 里跑一次。
 
 ### `SandboxAgentDef`
 
@@ -167,9 +167,9 @@ coverage?: EvidenceCoverage;
 setup?: AgentSetup;
 ```
 
-每个沙箱一次(不是每轮一次):装 CLI、写 config.toml / 鉴权配置(model/base/auth 等
-本轮内不变的东西)。运行器在沙箱备好(上传/基线/eval.setup 之后)、第一次 send 前
-调用一次。可返回一个 cleanup 闭包,与 `teardown` 一起在 finally 里跑。
+每个 Sandbox 一次(不是每轮一次):装 CLI、写 config.toml / 鉴权配置(model/base/auth 等
+本轮内不变的东西)。运行器在 Sandbox 备好(上传/基线/eval.setup 之后)、第一次 send 前
+调用一次,不返回值。
 
 #### `tracing`
 
@@ -177,7 +177,7 @@ setup?: AgentSetup;
 tracing?: AgentTracing;
 ```
 
-OTLP 导出配置:沙箱里怎么让 CLI 把 trace 发到 endpoint(env / 配置文件),从 setup 拆出。
+OTLP 导出配置:Sandbox 里怎么让 CLI 把 trace 发到 endpoint(env / 配置文件),从 setup 拆出。
 
 #### `spanMapper`
 
@@ -201,7 +201,8 @@ send(input: TurnInput, ctx: AgentContext): Promise<Turn>;
 teardown?: AgentTeardown;
 ```
 
-沙箱销毁前的清理(与 setup 返回的 cleanup 一起、都在 finally 里跑一次)。
+Sandbox 销毁前的清理,当且仅当本 attempt 走到过 `setup` 时点才执行(`setup` 抛错不豁免),
+在 finally 里跑一次。
 
 ### `AgentContext`
 
@@ -211,10 +212,10 @@ teardown?: AgentTeardown;
 readonly signal: AbortSignal;
 ```
 
-软取消信号:合并了 attempt 超时、run 级中断(用户 Ctrl+C)与 eval 自身的中断请求
+软取消信号:合并了 attempt 超时、run 级中断(用户 Ctrl+C)与评估用例自身的中断请求
 (见 src/runner/attempt.ts)。adapter 可以选择性检查它(或直接传给 `fetch`)以提前
 优雅退出,但这不是唯一的硬边界——即便 adapter 完全忽略它,运行器也会用
-`Effect.timeoutTo` 兜底强制收尾(停沙箱容器)。
+`Effect.timeoutTo` 兜底强制收尾(停 Sandbox 容器)。
 
 #### `model`
 
@@ -251,7 +252,7 @@ readonly experimentId?: string;
 
 路径推导出的实验 id(与结果归属 `runWho` / `AgentRun.experimentId` 同源);不经
 experiment 跑(如脱离 CLI、直接构造 `AgentRun` 的场景)时为 undefined。典型用途:
-`SandboxSpec.setup` 钩子按实验隔离跨 attempt 的状态(缓存目录名、快照 tag 等按
+`SandboxSpec.setup` Hook 按实验隔离跨 attempt 的状态(缓存目录名、快照 tag 等按
 `ctx.experimentId` 分区),或 adapter 按实验切换鉴权 / 路由。与 `flags`(实验条件的
 具体取值)是两个维度——这里只是「跑的是哪个实验」的稳定标识,不携带条件内容。
 
@@ -261,7 +262,7 @@ experiment 跑(如脱离 CLI、直接构造 `AgentRun` 的场景)时为 undefine
 readonly sandbox: Sandbox;
 ```
 
-所有 agent 都有:沙箱型是运行器按项目/experiment 配置备好的真实沙箱句柄,remote 型是
+所有 agent 都有:Sandbox 型是运行器按项目/experiment 配置备好的真实 Sandbox 句柄,remote 型是
 `createRemoteSandbox()` 产出的 stub(仅含 `workdir`/`sandboxId`/`otlpHost`/`stop` 等
 元信息,其余方法调用即抛错)。
 
@@ -316,7 +317,7 @@ log(msg: string): void;
 
 {/* GENERATED:END agent-def */}
 
-`ctx.session`(`AgentSession`)是一条会话线的状态槽:同一条会话线的每次 `send` 拿到同一个 `ctx.session`,新会话线(eval 第一轮 / `t.newSession()` 之后)拿到一个全新的。存取器:
+`ctx.session`(`AgentSession`)是一条会话线的状态槽:同一条会话线的每次 `send` 拿到同一个 `ctx.session`,新会话线(评估用例第一轮 / `t.newSession()` 之后)拿到一个全新的。存取器:
 
 - `id?: string` / `capture(id): void` —— 会话续接·服务端记历史时用:`id` 是本线记过的会话 id(新线是 `undefined`),`capture` 记回传的 id(只在还没记过时落地)。
 - `history<TMsg>(): { get(): TMsg[]; commit(messages: TMsg[]): void }` —— 会话续接·客户端带全量历史时用。
@@ -327,7 +328,7 @@ log(msg: string): void;
 
 ## Sandbox 接口
 
-沙箱型 agent 的 `ctx.sandbox`(`Sandbox`)是当前隔离环境的句柄；`CommandOptions` 是 `runCommand` / `runShell` 的可选项：
+Sandbox 型 agent 的 `ctx.sandbox`(`Sandbox`)是当前隔离环境的句柄；`CommandOptions` 是 `runCommand` / `runShell` 的可选项：
 
 {/* GENERATED:BEGIN sandbox-methods */}
 
@@ -341,7 +342,7 @@ log(msg: string): void;
 readonly workdir: string;
 ```
 
-沙箱内项目/工作区根目录的绝对路径(agent 命令的默认 cwd,也是 git baseline 提交的位置)。各方法的相对路径都以此为基准解析,省略 `cwd`/`targetDir` 时也落到这里。
+Sandbox 内项目/工作区根目录的绝对路径(agent 命令的默认 cwd,也是 git baseline 提交的位置)。各方法的相对路径都以此为基准解析,省略 `cwd`/`targetDir` 时也落到这里。
 
 #### `runCommand`
 
@@ -367,7 +368,7 @@ runShell(script: string, opts?: CommandOptions): Promise<CommandResult>;
 readFile(path: string): Promise<string>;
 ```
 
-读取沙箱内文件的文本内容(UTF-8)。文件不存在时抛错,不返回空字符串——需要容错请自行 `.catch()`。
+读取 Sandbox 内文件的文本内容(UTF-8)。文件不存在时抛错,不返回空字符串——需要容错请自行 `.catch()`。
 
 #### `fileExists`
 
@@ -375,7 +376,7 @@ readFile(path: string): Promise<string>;
 fileExists(path: string): Promise<boolean>;
 ```
 
-检查沙箱内路径是否存在。跨 provider 语义不完全一致:仅保证对普通文件可靠,对目录路径的行为不同 provider 不保证一致。
+检查 Sandbox 内路径是否存在。跨 provider 语义不完全一致:仅保证对普通文件可靠,对目录路径的行为不同 provider 不保证一致。
 
 #### `readSourceFiles`
 
@@ -384,7 +385,7 @@ readSourceFiles(opts?: ReadSourceFilesOptions): Promise<SourceFiles>;
 ```
 
 一次 shell 往返读全部源码文件(按扩展名收、按目录/文件名忽略)。
-取代每个 eval 目录里手写的 find + 逐文件 readFile。
+取代每个评估用例目录里手写的 find + 逐文件 readFile。
 
 #### `writeFiles`
 
@@ -408,7 +409,7 @@ uploadFiles(files: SandboxFile[], targetDir?: string): Promise<void>;
 uploadDirectory(localDir: string, targetDir?: string, opts?: { ignore?: string[] }): Promise<void>;
 ```
 
-把本地磁盘上的一个目录整体上传进沙箱(递归读取本地文件后按 `uploadFiles` 写入);`opts.ignore` 是排除规则,省略 `targetDir` 落到 workdir。
+把本地磁盘上的一个目录整体上传进 Sandbox(递归读取本地文件后按 `uploadFiles` 写入);`opts.ignore` 是排除规则,省略 `targetDir` 落到 workdir。
 
 #### `stop`
 
@@ -416,7 +417,7 @@ uploadDirectory(localDir: string, targetDir?: string, opts?: { ignore?: string[]
 stop(): Promise<void>;
 ```
 
-销毁沙箱占用的计算资源(容器/microVM)。调用后沙箱不可再用;是否可安全重复调用因 provider 而异,不要依赖这一点。
+销毁 Sandbox 占用的计算资源(容器/microVM)。调用后 Sandbox 不可再用;是否可安全重复调用因 provider 而异,不要依赖这一点。
 
 #### `sandboxId`
 
@@ -424,7 +425,7 @@ stop(): Promise<void>;
 readonly sandboxId: string;
 ```
 
-本沙箱的稳定标识(各 provider 原生 ID,如 Docker 容器 ID 前缀);用于跨调用关联同一沙箱的会话状态,也用于日志展示。
+本 Sandbox 的稳定标识(各 provider 原生 ID,如 Docker 容器 ID 前缀);用于跨调用关联同一 Sandbox 的会话状态,也用于日志展示。
 
 #### `otlpHost`
 
@@ -433,8 +434,8 @@ readonly otlpHost: string | null;
 ```
 
 本地 OTLP 接收器的目标 host。
-- `string`:沙箱内可通过该 hostname 回连宿主 OTLP 端口(如 docker 的 `host.docker.internal`)。
-- `null`:沙箱运行在远程云端(如 e2b/vercel),无法访问宿主本地端口 → 跳过 tracing。
+- `string`:Sandbox 内可通过该 hostname 回连宿主 OTLP 端口(如 docker 的 `host.docker.internal`)。
+- `null`:Sandbox 运行在远程云端(如 e2b/vercel),无法访问宿主本地端口 → 跳过 tracing。
   可通过环境变量 `NICEEVAL_OTLP_HOST` 强制覆盖(如配置 tunnel 时)。
 
 #### `appendLog`
@@ -452,7 +453,7 @@ Docker UI 的 Logs 标签页能实时看到 agent 逐轮活动。docker provider
 downloadFile(path: string): Promise<Buffer>;
 ```
 
-从沙箱内任意路径读取文件,返回二进制 Buffer。
+从 Sandbox 内任意路径读取文件,返回二进制 Buffer。
 对应各 provider:Docker getArchive / Vercel readFileToBuffer / e2b files.read(bytes) / …
 
 #### `uploadFile`
@@ -461,7 +462,7 @@ downloadFile(path: string): Promise<Buffer>;
 uploadFile(path: string, content: Buffer): Promise<void>;
 ```
 
-向沙箱内任意路径写入文件(二进制)。
+向 Sandbox 内任意路径写入文件(二进制)。
 对应各 provider:Docker putArchive / Vercel fs.writeFile(Buffer) / e2b files.write / …
 
 ### `CommandOptions`
@@ -472,7 +473,7 @@ uploadFile(path: string, content: Buffer): Promise<void>;
 env?: Record<string, string>;
 ```
 
-追加/覆盖本命令的环境变量(与沙箱默认环境叠加,不清空默认值;各 provider 会保留自己固定的 `PATH` 等变量,不保证能被这里覆盖)。
+追加/覆盖本命令的环境变量(与 Sandbox 默认环境叠加,不清空默认值;各 provider 会保留自己固定的 `PATH` 等变量,不保证能被这里覆盖)。
 
 #### `cwd`
 
@@ -488,7 +489,7 @@ cwd?: string;
 stream?: boolean;
 ```
 
-把本命令的输出也送进沙箱的「原生日志流」(于是 `docker logs` / Docker UI 的 Logs
+把本命令的输出也送进 Sandbox 的「原生日志流」(于是 `docker logs` / Docker UI 的 Logs
 标签页能实时看到它)。给 agent 命令(codex exec / bub run / claude)开它,就能在容器
 日志里看到 agent 的【原始输出】。provider 各自实现(docker:tee 到 PID1 tail 的文件;
 不支持的 provider 忽略)—— 日志怎么浮现是 provider 的事,adapter 只声明意图。
@@ -517,7 +518,7 @@ onStderr?: (chunk: string) => void | Promise<void>;
 root?: boolean;
 ```
 
-以 root 跑本命令。默认 `false` —— 命令以沙箱的标准**非 root** 用户跑(agent 的自然环境)。
+以 root 跑本命令。默认 `false` —— 命令以 Sandbox 的标准**非 root** 用户跑(agent 的自然环境)。
 给 setup 阶段装系统依赖用(`apt-get install …`、`pip install --break-system-packages …`)。
 
 语义跨 provider 一致:"本命令以 root 跑,否则以标准非 root 用户跑"。各 provider 映射到自己的原生机制
@@ -529,4 +530,4 @@ root?: boolean;
 
 ## ctx 与 t
 
-`ctx` 是 adapter 侧看到的运行上下文；`t` 是 eval 作者看到的测试上下文。两者使用同一批运行数据，但职责不同。
+`ctx` 是 adapter 侧看到的运行上下文；`t` 是评估用例作者看到的测试上下文。两者使用同一批运行数据，但职责不同。

package/docs-site/zh/reference/define-config.mdx

@@ -37,7 +37,7 @@ name?: LocalizedText;
 sandbox?: SandboxOption;
 ```
 
-项目级默认沙箱 provider(docker / vercel / e2b / custom);experiment 可覆盖。
+项目级默认 Sandbox provider(docker / vercel / e2b / custom);experiment 可覆盖。
 
 #### `workspace`
 
@@ -45,7 +45,7 @@ sandbox?: SandboxOption;
 workspace?: string;
 ```
 
-上传进沙箱的工作区根目录,省略则用项目根;eval 的 sandbox 视图从这里起步。
+上传进 Sandbox 的工作区根目录,省略则用项目根;评估用例的 sandbox 视图从这里起步。
 
 #### `judge`
 
@@ -53,7 +53,7 @@ workspace?: string;
 judge?: JudgeConfig;
 ```
 
-项目级默认 judge 配置(model / baseUrl / apiKeyEnv);EvalDef.judge 可按 eval 覆盖。
+项目级默认 judge 配置(model / baseUrl / apiKeyEnv);EvalDef.judge 可按评估用例覆盖。
 
 #### `reporters`
 
@@ -87,11 +87,11 @@ telemetry?: { host?: string; port?: number };
 
 OTLP 接收配置,niceeval 项目内唯一入口(不读 NICEEVAL_OTLP_* 环境变量)。
 `port` 钉住接收端口(固定端口模式:长驻服务把 OTEL_EXPORTER_OTLP_ENDPOINT 一次性指到
-`http://localhost:<port>/v1/traces`,跑多少次 eval 都不用改)。省略 = 每次运行动态分配
+`http://localhost:<port>/v1/traces`,跑多少次评估用例都不用改)。省略 = 每次运行动态分配
 临时端口(经 ctx.telemetry 交给 adapter)。代价:固定端口下同机同时只能跑一个 niceeval 进程,
 且该端口被别的进程占用时会报错——换一个空闲端口写回这里即可。
 `host` 是报给 adapter 的接收端 hostname(而非监听地址,监听地址恒为 0.0.0.0):默认
-"127.0.0.1";docker 沙箱型 tracing 需要 "host.docker.internal" 之类的场景,或配了隧道
+"127.0.0.1";docker Sandbox 型 tracing 需要 "host.docker.internal" 之类的场景,或配了隧道
 的远程接入,在这里覆盖。
 
 #### `pricing`
@@ -106,4 +106,4 @@ pricing?: Record<string, PriceOverride>;
 
 {/* GENERATED:END config-fields */}
 
-[NiceEval](https://niceeval.com/) 把环境准备放在普通代码里：eval 自己需要的文件写在 `test(t)`，agent 自己的准备写在 adapter 的 `setup`。sandbox provider 只来自代码里的 `sandbox` 字段，不做环境变量自动探测，也没有对应的 CLI flag——用 `niceeval/sandbox` 里的 `dockerSandbox()` / `vercelSandbox()` / `e2bSandbox()` 构造后填进 `sandbox` 字段（可以直接写在 experiment 上，也可以只写在这里作为项目级兜底：`exp.sandbox ?? config.sandbox`）。
+[NiceEval](https://niceeval.com/) 把环境准备放在普通代码里：评估用例自己需要的文件写在 `test(t)`，agent 自己的准备写在 adapter 的 `setup`。sandbox provider 只来自代码里的 `sandbox` 字段，不做环境变量自动探测，也没有对应的 CLI flag——用 `niceeval/sandbox` 里的 `dockerSandbox()` / `vercelSandbox()` / `e2bSandbox()` 构造后填进 `sandbox` 字段（可以直接写在 experiment 上，也可以只写在这里作为项目级兜底：`exp.sandbox ?? config.sandbox`）。

package/docs-site/zh/reference/define-eval.mdx

@@ -1,10 +1,10 @@
 ---
-title: "defineEval：声明、配置并运行 NiceEval eval"
+title: "defineEval：声明、配置并运行 NiceEval 评估用例"
 sidebarTitle: "defineEval"
-description: "defineEval 参考：选项、test context t、Turn 返回值、sandbox helper，以及数组和 keyed record 数据集导出。"
+description: "defineEval 参考：选项、test context t、Turn 返回值、Sandbox helper，以及数组和 keyed record 数据集导出。"
 ---
 
-`defineEval` 是编写 eval 的主要入口。每个 eval 文件调用一次，传入描述和 `test(t)`，并默认导出结果。
+`defineEval` 是编写评估用例的主要入口。每个评估用例文件调用一次，传入描述和 `test(t)`，并默认导出结果。
 
 ```ts
 import { defineEval } from "niceeval";
@@ -19,7 +19,7 @@ export default defineEval({
 ```
 
 <Note>
-  不要提供 `id` 或 `name`。[NiceEval](https://niceeval.com/) 从文件路径推导 eval ID。
+  不要提供 `id` 或 `name`。[NiceEval](https://niceeval.com/) 从文件路径推导评估用例 ID。
 </Note>
 
 ## `defineEval` 选项
@@ -58,7 +58,7 @@ tags?: string[];
 environment?: string;
 ```
 
-这条 eval 需要的环境 profile id(provider-neutral,如 `"python-3.9-astropy-4.2"`);由 sandbox spec 的 `environments` 表翻译成该 provider 的预制产物。
+这条评估用例需要的环境 profile id(provider-neutral,如 `"python-3.9-astropy-4.2"`);由 sandbox spec 的 `environments` 表翻译成该 provider 的预制产物。
 
 #### `judge`
 
@@ -66,7 +66,7 @@ environment?: string;
 judge?: JudgeConfig;
 ```
 
-覆盖项目级 Config.judge,只对这一个 eval 生效(如换个更贵的评审模型)。
+覆盖项目级 Config.judge,只对这一条评估用例生效(如换个更贵的评审模型)。
 
 #### `reporters`
 
@@ -74,7 +74,7 @@ judge?: JudgeConfig;
 reporters?: Reporter[];
 ```
 
-覆盖 / 追加项目级 Config.reporters,只对这一个 eval 生效。
+覆盖 / 追加项目级 Config.reporters,只对这一条评估用例生效。
 
 #### `timeoutMs`
 
@@ -82,7 +82,7 @@ reporters?: Reporter[];
 timeoutMs?: number;
 ```
 
-覆盖项目级 / CLI 的单次 attempt 超时(毫秒),只对这一个 eval 生效。
+覆盖项目级 / CLI 的单次 attempt 超时(毫秒),只对这一条评估用例生效。
 
 #### `metadata`
 
@@ -98,7 +98,7 @@ metadata?: Record<string, unknown>;
 diff?: { include?: string[]; ignore?: string[] };
 ```
 
-调整 agent diff 的归因排除清单(仅沙箱型;见 docs/feature/eval/README.md):两个数组都是
+调整 agent diff 的归因排除清单(仅 Sandbox 型;见 docs/feature/eval/README.md):两个数组都是
 gitignore 风格 glob(workdir 相对)。默认排除 .git/node_modules/构建产物/包管理器缓存;
 `ignore` 在默认清单上追加排除;`include` 优先级最高,把匹配路径显式加回。
 合成规则固定为「默认 ∪ ignore,再被 include 打洞」,清单在分类账锚点时冻结。
@@ -106,14 +106,27 @@ gitignore 风格 glob(workdir 相对)。默认排除 .git/node_modules/构建产
 #### `setup`
 
 ```ts
-setup?: (sandbox: Sandbox, ctx: SandboxHookContext) => Promise<void | Cleanup> | void | Cleanup;
+setup?: (sandbox: Sandbox, ctx: SandboxHookContext) => Promise<void> | void;
 ```
 
-eval 级预置:拿到沙箱(已上传 workspace + git 基线 + 装好依赖前)。
+评估用例级预置:拿到 Sandbox(已上传 workspace + git 基线 + 装好依赖前)。
 默认命令以非 root 跑(agent 的自然环境);装系统依赖时给 `runCommand` 传 `{ root: true }`
 (如 `runCommand("apt-get", ["install", …], { root: true })`),跨 provider 语义一致。
 第二个参数是绑定到 `eval.setup` 的窄上下文(`ctx.progress` / `ctx.diagnostic`,
-见 docs/feature/eval/README.md);可返回 cleanup 闭包,归因到 `eval.teardown`。
+见 docs/feature/eval/README.md)。setup 不返回值;要把产物传给 teardown,
+以 `sandbox` 实例作键存取(并发 attempt 共享同一模块,普通模块变量会互相覆写)。
+
+#### `teardown`
+
+```ts
+teardown?: (sandbox: Sandbox, ctx: SandboxHookContext) => Promise<void> | void;
+```
+
+评估用例级收尾:attempt 收尾链的第一段(`eval.teardown` → `agent.teardown` →
+`sandbox.teardown`),Sandbox 此刻还活着。当且仅当 `eval.setup` 时点走到过才执行——
+`setup` / `test` 抛错都不豁免,未声明 `setup` 不影响触发;抛错或超 30s 清理上限
+只记 `teardown-failed` 诊断,不改判定。管 Sandbox 外的临时 Fixture(临时 repo / bucket),
+Sandbox 内的东西随销毁自动回收、不需要它。
 
 #### `test`
 
@@ -121,13 +134,13 @@ eval 级预置:拿到沙箱(已上传 workspace + git 基线 + 装好依赖前)
 test(t: TestContext): Promise<void> | void;
 ```
 
-eval 主体:拿到 TestContext,驱动对话 / 沙箱操作并就地断言。
+评估用例主体:拿到 TestContext,驱动对话 / Sandbox 操作并就地断言。
 
 {/* GENERATED:END defineeval-options */}
 
 ## Test context: `t`
 
-`t`（`TestContext`）是 eval 作者拿到的高层上下文。运行器按 agent 的实际能力组装它——`t.sandbox` 这类字段只在 `defineSandboxAgent` 构造的 agent 上才有意义，完整规则见[能力位参考](/zh/reference/capabilities)。全部成员：
+`t`（`TestContext`）是评估用例作者拿到的高层上下文。运行器按 agent 的实际能力组装它——`t.sandbox` 这类字段只在 `defineSandboxAgent` 构造的 agent 上才有意义，完整规则见[能力位参考](/zh/reference/capabilities)。全部成员：
 
 {/* GENERATED:BEGIN test-context */}
 
@@ -246,7 +259,7 @@ readonly flags: Readonly<Record<string, unknown>>;
 progress(update: ProgressUpdate): void;
 ```
 
-作用域反馈:报告 eval 自己执行的长步骤(上传 fixture、跑构建……)。短命状态,scope 固定
+作用域反馈:报告评估用例自己执行的长步骤(上传 Fixture、跑构建……)。短命状态,scope 固定
 为 `eval.run`;只报告不断言(见 docs/feature/eval/library/context.md「向运行反馈长步骤」)。
 
 #### `diagnostic`
@@ -272,7 +285,7 @@ log(msg: string): void;
 skip(reason: string): never;
 ```
 
-立即中止本 eval 并标记为 skipped(verdict / EvalResult.skipReason),reason 不能为空。
+立即中止本评估用例并标记为 skipped(verdict / EvalResult.skipReason),reason 不能为空。
 
 #### `check`
 
@@ -281,8 +294,8 @@ check(value: unknown, assertion: ValueAssertion): AssertionHandle;
 ```
 
 对任意值跑一个 ValueAssertion,返回可链 `.gate()` / `.atLeast()` 的 AssertionHandle。
-打分延迟到 eval 结束后统一 finalize,调用本身同步、不抛错——不通过只是记一条失败断言,
-不会中止后续代码。要「不满足就立即中止 eval」用 require。
+打分延迟到评估用例结束后统一 finalize,调用本身同步、不抛错——不通过只是记一条失败断言,
+不会中止后续代码。要「不满足就立即中止评估用例」用 require。
 
 #### `require`
 
@@ -290,7 +303,7 @@ check(value: unknown, assertion: ValueAssertion): AssertionHandle;
 require(value: unknown, assertion: ValueAssertion): Promise<unknown>;
 ```
 
-对任意值跑一个 ValueAssertion,立即(await 时)求值;不满足就抛错中止整个 eval 剩余步骤
+对任意值跑一个 ValueAssertion,立即(await 时)求值;不满足就抛错中止整个评估用例剩余步骤
 (仍会把这条断言计入报告,不影响已记录的其它断言)。跟 check 的区别:check 只记录、
 从不抛错,打分留到最后统一算;require 当场判定、失败即中止,适合「前置条件不满足,
 后面写了也没意义」的场景。
@@ -430,7 +443,7 @@ eventsSatisfy(label: string, predicate: (events: readonly StreamEvent[]) => bool
 readonly sandbox: SandboxHandle;
 ```
 
-受限沙箱视图:能执行命令 / 读写文件 / 看最终 diff,不能 stop 沙箱本身(见 SandboxHandle)。
+受限 Sandbox 视图:能执行命令 / 读写文件 / 看最终 diff,不能 stop Sandbox 本身(见 SandboxHandle)。
 
 #### `usage`
 

package/docs-site/zh/reference/events.mdx

@@ -212,7 +212,7 @@ token 用量或 OTel span 反推得到)。存在时优先于按价格表(`define
 } }
 ```
 
-agent 停轮等人时，每个待回答的问题吐一条，同时该 Turn 的 `status` 返回 `"waiting"`。`t.requireInputRequest(filter)` 的 filter 逐字段匹配这个 `request`——**能填的字段尽量填**，否则 eval 侧筛选不到。接法见[接入教程的 HITL 部分](/zh/how-to/connect-your-agent)。
+agent 停轮等人时，每个待回答的问题吐一条，同时该 Turn 的 `status` 返回 `"waiting"`。`t.requireInputRequest(filter)` 的 filter 逐字段匹配这个 `request`——**能填的字段尽量填**，否则评估用例侧筛选不到。接法见[接入教程的 HITL 部分](/zh/tutorials/connect-your-agent)。
 
 ### `thinking` / `compaction` / `error`
 
@@ -237,7 +237,7 @@ agent 返回里带步骤记录时，映射就是一段小循环：
 ```ts
 import type { StreamEvent } from "niceeval";
 
-function toStreamEvents(body: MyBotResponse): StreamEvent[] {
+function toStreamEvents(body: MyAgentResponse): StreamEvent[] {
   const events: StreamEvent[] = [];
   for (const step of body.steps) {
     if (step.type === "tool_call") {
@@ -257,6 +257,6 @@ function toStreamEvents(body: MyBotResponse): StreamEvent[] {
 
 ## 相关阅读
 
-- [接入你的 agent](/zh/how-to/connect-your-agent) —— 从零跑通的教程。
+- [接入你的 agent](/zh/tutorials/connect-your-agent) —— 从零跑通的教程。
 - [能力位](/zh/reference/capabilities) —— 声明"事件流是完整的"意味着什么。
-- [编写 eval](/zh/how-to/authoring) —— 消费这条流的断言全集。
+- [编写评估用例](/zh/tutorials/authoring) —— 消费这条流的断言全集。

package/docs-site/zh/reference/expect.mdx

@@ -200,7 +200,7 @@ score(value: unknown): number | Promise<number>;
 gate(threshold?: number): ValueAssertion;
 ```
 
-转成硬门槛断言:未达阈值(省略 threshold 则按 score &gt; 0 判定)整条 eval 判为 failed。返回新实例,不改原对象。
+转成硬门槛断言:未达阈值(省略 threshold 则按 score &gt; 0 判定)整条评估用例判为 failed。返回新实例,不改原对象。
 
 #### `atLeast`
 
@@ -208,8 +208,8 @@ gate(threshold?: number): ValueAssertion;
 atLeast(threshold: number): ValueAssertion;
 ```
 
-转成软阈值断言:未达 threshold 时该条记为 failed,但默认不拖累整条 eval 的 verdict;
-`--strict` 运行下,软阈值失败也会把整条 eval 的 verdict 计为 failed。返回新实例,不改原对象。
+转成软阈值断言:未达 threshold 时该条记为 failed,但默认不拖累整条评估用例的 verdict;
+`--strict` 运行下,软阈值失败也会把整条评估用例的 verdict 计为 failed。返回新实例,不改原对象。
 
 #### `optional`
 

package/docs-site/zh/reference/official-adapters.mdx

@@ -4,23 +4,23 @@ sidebarTitle: "官方适配器"
 description: "NiceEval 内置的 Sandbox 和非 Sandbox 适配器分别是什么、怎么鉴权，Sandbox 型里怎么装 MCP server、Skill、插件，怎么使用 Agent 官方配置文件。"
 ---
 
-[NiceEval](https://niceeval.com/) 随包带几个官方 Adapter（`niceeval/adapter` 导出的工厂函数），按被测对象要不要隔离工作区分两类：**Sandbox 型**（`claude-code` / `codex` / `bub`）在 Docker 或云端沙箱里跑 coding-agent CLI，能装 MCP server、Skill、Python 插件；**非 Sandbox 型**无侵入连一个已经在跑的 HTTP 服务，或者帮你手写 adapter 时省掉事件流映射。这篇按类型和具体 Adapter 分节，重点是每个 Adapter 的配置项——怎么选、怎么跑通第一条 eval，见[接入你的 Agent](/zh/how-to/connect-your-agent)。
+[NiceEval](https://niceeval.com/) 随包带几个官方 Adapter（`niceeval/adapter` 导出的工厂函数），按被测对象要不要隔离工作区分两类：**Sandbox 型**（`claude-code` / `codex` / `bub`）在 Docker 或云端 Sandbox 里跑 coding-agent CLI，能装 MCP server、Skill、Python 插件；**非 Sandbox 型**无侵入连一个已经在跑的 HTTP 服务，或者帮你手写 adapter 时省掉事件流映射。这篇按类型和具体 Adapter 分节，重点是每个 Adapter 的配置项——怎么选、怎么跑通第一条评估用例，见[接入你的 Agent](/zh/tutorials/connect-your-agent)。
 
 ## Sandbox 适配器
 
-三个内置 Sandbox agent 都用 `defineSandboxAgent` 构造，鉴权走环境变量（可用工厂参数覆盖），并且都支持在沙箱 `setup` 阶段装扩展。怎么运行内置 Sandbox agent、目录结构和自定义 Sandbox adapter，见 [Sandbox Agent](/zh/how-to/sandbox-agent)；这里只讲每个 Adapter 能装什么、配置项怎么写。
+三个内置 Sandbox agent 都用 `defineSandboxAgent` 构造，鉴权走环境变量（可用工厂参数覆盖），并且都支持在 Sandbox `setup` 阶段装扩展。怎么运行内置 Sandbox agent、目录结构和自定义 Sandbox adapter，见 [Sandbox Agent](/zh/tutorials/sandbox-agent)；这里只讲每个 Adapter 能装什么、配置项怎么写。
 
-本页的 `settingsFile` / `configFile` 都相对 NiceEval 项目根解析。项目根是执行 `niceeval` 时的当前工作目录，也就是包含 `niceeval.config.ts` 的目录，不是 Eval 或 Experiment 文件所在目录。例如 Experiment 在 `experiments/web/no-search.ts`、配置在 `configs/codex/no-web.toml` 时，仍写 `configFile: "configs/codex/no-web.toml"`。
+本页的 `settingsFile` / `configFile` 都相对 NiceEval 项目根解析。项目根是执行 `niceeval` 时的当前工作目录，也就是包含 `niceeval.config.ts` 的目录，不是评估用例或 Experiment 文件所在目录。例如 Experiment 在 `experiments/web/no-search.ts`、配置在 `configs/codex/no-web.toml` 时，仍写 `configFile: "configs/codex/no-web.toml"`。
 
 ### claude-code
 
 - **鉴权**：`ANTHROPIC_API_KEY`（工厂参数 `apiKey` 可覆盖），可选 `ANTHROPIC_BASE_URL`（工厂参数 `baseUrl`）。
-- **装 MCP server**：`mcpServers` 配置项，`setup` 阶段写进沙箱里用户级的 `~/.claude.json`（顶层 `mcpServers` 字段）。两种形态按字段区分：本地 stdio 进程写 `command`（可带 `args` / `env`）；远程 Streamable HTTP 端点写 `url`（可带 `headers`，逐字进请求头，常用于 `Authorization`），写成 `{ "type": "http", "url": …, "headers": … }` 条目。`url` 要沙箱内可达：服务跑在你自己机器上时，先用 cloudflared / tailscale 这类隧道暴露成公网地址。
-- **装 Skill**：`skills: SkillSpec[]`——本地 Skill（`{ kind: "local", path }`，从项目根读文件或目录）或 Repo Skill（`{ kind: "repo", source, ref, skills }`，可钉 commit/tag、可只启用多 Skill 仓库里的一部分）。装进沙箱的 project 级 `.claude/skills/<name>/`，claude CLI 原生发现（原生 `Skill` 工具调用被 adapter 归一为 `skill.loaded` 事件，不重复记成工具调用；用 `t.loadedSkill()` 断言，不是 `t.calledTool("Skill", ...)`）。
+- **装 MCP server**：`mcpServers` 配置项，`setup` 阶段写进 Sandbox 里用户级的 `~/.claude.json`（顶层 `mcpServers` 字段）。两种形态按字段区分：本地 stdio 进程写 `command`（可带 `args` / `env`）；远程 Streamable HTTP 端点写 `url`（可带 `headers`，逐字进请求头，常用于 `Authorization`），写成 `{ "type": "http", "url": …, "headers": … }` 条目。`url` 要 Sandbox 内可达：服务跑在你自己机器上时，先用 cloudflared / tailscale 这类隧道暴露成公网地址。
+- **装 Skill**：`skills: SkillSpec[]`——本地 Skill（`{ kind: "local", path }`，从项目根读文件或目录）或 Repo Skill（`{ kind: "repo", source, ref, skills }`，可钉 commit/tag、可只启用多 Skill 仓库里的一部分）。装进 Sandbox 的 project 级 `.claude/skills/<name>/`，claude CLI 原生发现（原生 `Skill` 工具调用被 adapter 归一为 `skill.loaded` 事件，不重复记成工具调用；用 `t.loadedSkill()` 断言，不是 `t.calledTool("Skill", ...)`）。
 - **装原生 Plugin**：`plugins: ClaudeCodePluginSpec[]`，每一项声明 Marketplace 连接（`name` / `source` / 可选 `ref`）和其中的 Plugin 名。这个类型只属于 claude-code，传不进 codex。
 - **官方配置文件**：`settingsFile` 是运行 NiceEval 的机器上的本地项目路径，不是 Sandbox 内路径；它指向一份完整的 Claude Code `settings.json`。路径相对项目根，只允许普通相对路径或 `./` 前缀；`..`、绝对路径、`~` 和解析后逃出项目根的符号链接都会报错。Adapter 从本地读取后上传文件，原样替换 Sandbox 中原本为空的用户级 `~/.claude/settings.json`；不继承宿主机配置，也不 deep merge 或重新序列化。`model` 和 `env` 归 Experiment 和 Adapter 管，出现在文件里会在 `setup` 阶段报错并点名冲突键。Secret 走环境变量，别写进配置文件。
-- **安装后脚本**：`postSetup: SandboxHook[]`，在写 settings、挂 MCP、装 Skill 与 Plugin 全部完成后，按数组顺序在沙箱里跑你的钩子函数。典型用途是运行插件自带的 setup 脚本（比如它要往全局配置里登记 hook）——这类脚本必须等安装产物就位才能跑。钩子抛错算基础设施错误（Attempt 记 errored），不算 agent 答题失败。
-- **tracing**：claude CLI 的 beta 原生遥测（`CLAUDE_CODE_ENHANCED_TELEMETRY_BETA`），span 只有结构和计时，细节见 [OTel 接入](/zh/how-to/connect-otel)。
+- **安装后脚本**：`postSetup: SandboxHook[]`，在写 settings、挂 MCP、装 Skill 与 Plugin 全部完成后，按数组顺序在 Sandbox 里跑你的 Hook 函数。典型用途是运行插件自带的 setup 脚本（比如它要往全局配置里登记 hook）——这类脚本必须等安装产物就位才能跑。与它成对的收尾是 `preTeardown: SandboxHook[]`：按逆序、在 agent 自己的 teardown 步骤之前执行，当且仅当 `postSetup` 的时点已经走到才触发。Hook 抛错算基础设施错误（Attempt 记 errored），不算 agent 答题失败。
+- **tracing**：claude CLI 的 beta 原生遥测（`CLAUDE_CODE_ENHANCED_TELEMETRY_BETA`），span 只有结构和计时，细节见 [OTel 接入](/zh/tutorials/connect-otel)。
 
 例如，用 `configs/claude-code/no-web.json` 关闭内置联网检索：
 
@@ -61,7 +61,7 @@ export default defineExperiment({
 ### codex
 
 - **鉴权**：`CODEX_API_KEY`（工厂参数 `apiKey` 可覆盖，不是 `OPENAI_API_KEY`），可选 `CODEX_BASE_URL`（工厂参数 `baseUrl`）接 OpenAI 兼容代理。
-- **装 MCP server**：`mcpServers` 配置项，`setup` 阶段追加进 `~/.codex/config.toml` 的 `[mcp_servers.<name>]` 段。两种形态按字段区分：本地 stdio 进程写 `command`（可带 `args` / `env`）；远程 Streamable HTTP 端点写 `url`（可带 `headers`，写成 `[mcp_servers.<name>.http_headers]` 子表）。`url` 要沙箱内可达：服务跑在你自己机器上时，先用 cloudflared / tailscale 这类隧道暴露成公网地址。
+- **装 MCP server**：`mcpServers` 配置项，`setup` 阶段追加进 `~/.codex/config.toml` 的 `[mcp_servers.<name>]` 段。两种形态按字段区分：本地 stdio 进程写 `command`（可带 `args` / `env`）；远程 Streamable HTTP 端点写 `url`（可带 `headers`，写成 `[mcp_servers.<name>.http_headers]` 子表）。`url` 要 Sandbox 内可达：服务跑在你自己机器上时，先用 cloudflared / tailscale 这类隧道暴露成公网地址。
 
   <Warning>
     是复数 `mcp_servers`：单数 `[mcp_server.x]` 会被 codex CLI 静默忽略，MCP 压根挂不上，且不会报错——自查用 `codex mcp list`。
@@ -70,7 +70,7 @@ export default defineExperiment({
 - **装 Skill**：`skills: SkillSpec[]`，与 claude-code 同一个类型。装进 `.agents/skills/<name>/`，并把发现指引写进 AGENTS.md——codex 没有 claude-code 那种原生 Skill 工具，只把文件装进去它不会主动去读；断言"用没用到"看它是否真的执行过读那个文件的 shell 命令，没有工具调用可以直接认。
 - **装原生 Plugin**：`plugins: CodexPluginSpec[]`，声明 Marketplace 连接（`name` / `source` / 可选 `ref` / 可选 `sparse`）和其中的 Plugin 名。`sparse` 是路径数组（如 `[".agents", "plugins/repo-map"]`），每项让 `codex plugin marketplace add` 带一个 `--sparse <path>`，大仓库只拉插件所需路径，装出来的内容不变。这个类型只属于 codex，传不进 claude-code。
 - **官方配置文件**：`configFile` 是运行 NiceEval 的机器上的本地项目路径，不是 Sandbox 内路径；它指向一份完整的 Codex `config.toml`。路径相对项目根，只允许普通相对路径或 `./` 前缀；`..`、绝对路径、`~` 和解析后逃出项目根的符号链接都会报错。Adapter 从本地读取后上传文件，原样替换 Sandbox 中原本为空的用户级 `~/.codex/config.toml`；不继承宿主机配置，也不拼接、deep merge 或解析后重写。`model`、`model_provider`、`model_providers`、`model_reasoning_effort`、`mcp_servers`、`otel` 归 Experiment 和 Adapter 管，出现在文件里会在 `setup` 阶段报错并点名冲突键。Secret 走环境变量，别写进配置文件。
-- **安装后脚本**：`postSetup: SandboxHook[]`，语义与 claude-code 相同：全部安装步骤完成后按序在沙箱里跑你的钩子函数，适合运行插件自带的 setup 脚本。脚本往 codex 全局配置登记的 hook 不需要交互式信任确认——运行时 `codex exec` 已绕过 hook 信任门槛，hook 直接生效。
+- **安装后脚本**：`postSetup: SandboxHook[]`，语义与 claude-code 相同：全部安装步骤完成后按序在 Sandbox 里跑你的 Hook 函数，适合运行插件自带的 setup 脚本；成对的 `preTeardown: SandboxHook[]` 按逆序在 agent teardown 之前收尾，当且仅当 `postSetup` 的时点已经走到才触发。脚本往 codex 全局配置登记的 hook 不需要交互式信任确认——运行时 `codex exec` 已绕过 hook 信任门槛，hook 直接生效。
 - **tracing**：内置，通过 `config.toml` 的 `[otel.trace_exporter.otlp-http]` 段配置，协议 `http/json`。
 
 例如，用 `configs/codex/no-web.toml` 关闭内置联网检索：
@@ -110,10 +110,10 @@ export default defineExperiment({
 - **鉴权**：`BUB_API_KEY` + `BUB_API_BASE`（OpenAI 兼容代理），工厂参数 `apiKey` / `apiBase` 可覆盖。
 - **装 Skill**：`skills: SkillSpec[]`，与另外两个 Adapter 同一个类型。装进 `.agents/skills/<name>/`，发现指引写进 AGENTS.md。
 - **装插件**：`pythonPlugins: PythonPluginSpec[]`（`{ package }`：PyPI 包、版本约束或 git URL），`setup` 阶段进 `uv tool install … --with <package>`。这个类型只属于 bub；package 集合进安装 checkpoint key，插件不同的两个变体不会复用同一份安装缓存。
-- **预制 Bub**：NiceEval 的 E2B 配方会把 Bub、OTel 插件和 Python 插件集合算成安装指纹。Adapter 只复用指纹完全一致的环境；仅在 PATH 里放一个 `bub` 不足以证明兼容。构建入口见 [沙箱 provider · 从官方基线继续构建以提速](/zh/how-to/sandbox-providers#从官方基线继续构建以提速)。
+- **预制 Bub**：NiceEval 的 E2B 配方会把 Bub、OTel 插件和 Python 插件集合算成安装指纹。Adapter 只复用指纹完全一致的环境；仅在 PATH 里放一个 `bub` 不足以证明兼容。构建入口见 [Sandbox provider · 从官方基线继续构建以提速](/zh/tutorials/sandbox-providers#从官方基线继续构建以提速)。
 - bub 没有 `mcpServers`——MCP 只属于支持它的 Adapter，Config 上压根没有这个字段。
-- **安装后脚本**：`postSetup: SandboxHook[]`，语义与另外两个 Adapter 相同：全部安装步骤完成后按序在沙箱里跑你的钩子函数。
-- **安装方式**：走 `uv tool install`（PyPI 包，不是 npm 包），首次安装会建 checkpoint 缓存加速后续沙箱。
+- **安装后脚本**：`postSetup: SandboxHook[]`，语义与另外两个 Adapter 相同：全部安装步骤完成后按序在 Sandbox 里跑你的 Hook 函数；成对的 `preTeardown: SandboxHook[]` 按逆序在 agent teardown 之前收尾，当且仅当 `postSetup` 的时点已经走到才触发。
+- **安装方式**：走 `uv tool install`（PyPI 包，不是 npm 包），首次安装会建 checkpoint 缓存加速后续 Sandbox。
 - **tracing**：内置，通过环境变量注入，协议 `http/protobuf`。
 
 ```ts
@@ -141,11 +141,11 @@ export default defineExperiment({
 | 原生 Plugin | ✅ `plugins: ClaudeCodePluginSpec[]` | ✅ `plugins: CodexPluginSpec[]` | ❌ |
 | 官方配置文件 | ✅ `settingsFile`（完整 settings.json） | ✅ `configFile`（完整 config.toml） | ❌ |
 | Python Plugin | ❌ | ❌ | ✅ `pythonPlugins: PythonPluginSpec[]` |
-| 安装后脚本 | ✅ `postSetup: SandboxHook[]` | ✅ `postSetup: SandboxHook[]` | ✅ `postSetup: SandboxHook[]` |
+| 安装后脚本 | ✅ `postSetup` / `preTeardown` | ✅ `postSetup` / `preTeardown` | ✅ `postSetup` / `preTeardown` |
 | tracing | ✅（beta，仅结构与计时） | ✅ | ✅ |
 | 安装方式 | npm 全局包 | npm 全局包 | `uv tool install`（PyPI） |
 
-装了什么有据可查：Adapter 在 `setup` 收尾把安装清单写进沙箱的 `__niceeval__/agent-setup.json`，运行器把它存成 Attempt Artifact `agent-setup.json`（库里读 `attempt.agentSetup()`）。清单只记来源、ref、Skill/Plugin 名、解析出的版本，以及官方配置文件的项目相对路径和 SHA-256；不保存配置正文、API Key 或环境变量值。MCP server 同理只记非敏感字段：stdio 形态记 `name` / `command` / `args` 不记 `env`，HTTP 形态记 `name` / `url` 不记 `headers`。
+装了什么有据可查：Adapter 在 `setup` 收尾把安装清单写进 Sandbox 的 `__niceeval__/agent-setup.json`，运行器把它存成 Attempt Artifact `agent-setup.json`（库里读 `attempt.agentSetup()`）。清单只记来源、ref、Skill/Plugin 名、解析出的版本，以及官方配置文件的项目相对路径和 SHA-256；不保存配置正文、API Key 或环境变量值。MCP server 同理只记非敏感字段：stdio 形态记 `name` / `command` / `args` 不记 `env`，HTTP 形态记 `name` / `url` 不记 `headers`。
 
 ## 非 Sandbox 适配器
 
@@ -176,8 +176,8 @@ export default defineExperiment({
 
 ## 相关阅读
 
-- [接入你的 Agent](/zh/how-to/connect-your-agent) — 全景：experiment 怎么配、eval 怎么写。
-- [Sandbox Agent](/zh/how-to/sandbox-agent) — 怎么运行内置 Sandbox agent，以及怎么写自己的。
+- [接入你的 Agent](/zh/tutorials/connect-your-agent) — 全景：experiment 怎么配、评估用例怎么写。
+- [Sandbox Agent](/zh/tutorials/sandbox-agent) — 怎么运行内置 Sandbox agent，以及怎么写自己的。
 - [内置 Agent 能力参考](/zh/reference/builtin-agents) — 每个适配器逐能力盘点、非 Sandbox 适配器的完整代码示例。
-- [OTel 接入](/zh/how-to/connect-otel) — 把 span 发给 [NiceEval](https://niceeval.com/)，换 `niceeval view` 的调用瀑布图。
+- [OTel 接入](/zh/tutorials/connect-otel) — 把 span 发给 [NiceEval](https://niceeval.com/)，换 `niceeval view` 的调用瀑布图。
 - [defineAgent 参考](/zh/reference/define-agent) — `defineAgent` / `defineSandboxAgent` 完整参数。