B2 扩展、评估与改进 Agent（模块导读）
这个模块讲什么
模块 B2 回答一个很实际的问题：Agent 不是"写个 Prompt 就能用"，它要能被扩展（加记忆、加工具、加能力）、被评估（知道它到底做没做对）、被改进（错了能定位、能修、能安全上线）。
官网上这部分高度凝练，每句话都是"结论式断言"。本目录把这些断言拆成"白话 + 类比 + 举例"三件套，让你能照着落地。
模块目标（原文）：实现记忆、RAG、Tool、MCP、Skill、Evaluation 与证据驱动改进。
包含哪 10 个场景
- B2-1-01 · RAG 管道怎样留下可定位证据 —— 一次错误回答要能逆向穿过"资料准入 → 检索 → 过滤 → 装载 → 引用"整条链，定位错在哪一层。
- B2-1-02 · 候选记忆怎样准入、更新和撤回 —— 长期记忆不能模型随手写，必须有主体、来源、准入和撤回的证据。
- B2-2-01 · 业务内部能力怎样先协议化 —— 把隐藏在页面里的业务动作，变成有机器可读契约（Tool Contract）的能力。
- B2-2-02 · MCP 与异步 Job 怎样接入 Harness —— MCP 解决连接与发现，长任务的可靠性还得靠本地权限、状态和验收。
- B2-3-01 · 代码怎样成为 Agent 的元能力 —— 同一段 AI 生成代码，经历"临时计算 → 接口适配 → 候选能力"三种用法，必须隔离和验证。
- B2-3-02 · 候选代码怎样成为可召回 Skill —— Skill 是可验证的方法制品，不是 Prompt 模板或单个 Tool，要过完整准入生命周期。
- B2-4-01 · Agent Evaluation 的三层结构 —— 评估不是打一个分，而是"环境 → 方法 → 决策"的闭环。
- B2-4-02 · 内部完成为什么会被外部验收拒绝 —— 执行链可能稳稳地停在错误结果上，外部验收必须独立存在。
- B2-5-01 · 从最终失败回到首次偏离 —— 修复要从第一次偏离开始，而不是在最终输出继续堆 Prompt。
- B2-5-02 · 评估怎样驱动灰度、回滚与组织学习 —— 持续改进是受控实验，不是 Agent 自己改写自己。
学完能判断什么
- 一个 Agent 的"错误"到底该归因到哪一层（事实 / Context / RAG / Tool / 状态 / 模型 / 验收），而不是甩锅给"模型不行"。
- 什么算"真正完成"：内部 checklist 全绿 ≠ 业务成立，必须靠独立的外部验收。
- 怎么安全地改进：先离线回归、再影子/灰度、再过独立 Gate，最后才沉淀进知识 / Skill / 程序 / 回归集。
- 什么不能信：模型推断不能当事实、测试全绿不证明未来稳定、平均分提高不证明边界改善。
阅读顺序建议
按单元顺序读即可：B2-1（知识管道）→ B2-2（工具与异步）→ B2-3（代码与 Skill）→ B2-4（评估）→ B2-5（改进闭环）。