扩展规则
- 每个组件都要有稳定 id 和非空 description。
- Benchmark 只处理数据、任务和评分。
- Harness 只处理 agent/model 执行。
- Environment 只暴露命令和文件 primitive。
- Recipe 处理 provider-specific image、workspace 和兼容性。
- Analyzer 处理后置 analysis，不影响原始评测结果。
推荐顺序
- 增加或更新组件契约。
- 注册组件。
- 添加最小 smoke run。
- 文档化参数、支持环境和输出形状。
- 如果需要 task image 或 workspace 自动选择，再添加 recipe。