让改进有迹可循：Storage Agent Family 评测工程实践

Storage Agent Family 评测体系通过覆盖任务、行为与安全的评测集，结合 LLM 评估器与 Code 评估器进行多维度打分，并借助评测工作台、云端隔离沙箱和 TLS AgentLoop 实现每次 Agent 改动的可追溯与可量化。