binder-agent-eval

当需要在相同的阶段输入上评测 LLM agent 的结构化决策、或对比多个 provider 的决策质量时使用；对应 openbinder evaluate-agent（--provider/--compare/--case）与 openbinder provider doctor。典型触发语："用 mock provider 跑一遍 decision case 评测""对比一下几个 provider 在同一批 case 上的表现""先 doctor 一下 minimax 配置通不通"。同义场景：agent 评测、decision evaluation、visible/hidden 分层、泄露检查、provider 对比、冻结决策。