写代码，也写思考。

本地搭 Agent：骨架很薄，护栏才是正文

为了做 Agent 评估，用 smolagents 在本地搭了个做饭 Agent 当被测对象。框架很快就跑起来了，真正花时间的是把模型不可靠的地方一处处用代码兜住，而这些地方恰好也是评估要看的。