当前包含 4 个故障案例。每个历史对照都把同一个 Atlas 检测器接到真实上游修复前后的固定源码；确定性模型或步骤用于触发边界，不替换被检查的调度与存储逻辑。
| 案例 | 修复前 | 修复后 | 实际范围与证据 |
|---|---|---|---|
| 001 · 空工具参数 | 2 FAIL / 8 PASS | 10 PASS | 真实 Agno 解析方法和 JSON 往返；证据 |
| 002 · 工具重试预算 | 2 FAIL / 4 PASS | 6 PASS | 真实 Pydantic AI 同步/异步 Agent，交替失败及连续失败、成功重置对照；证据 |
| 003 · 会话回复持久化 | 2 FAIL / 1 PASS | 3 PASS | 真实 CrewAI handle_turn、新 Flow 实例和 SQLite，含内置路由与 session 对照；证据 |
| 004 · 流式失败状态 | 4 FAIL / 2 PASS | 6 PASS | 真实 Agno Workflow 与 SQLite，同步/异步、错误终态时读取、关闭/完整消费；证据 |
这些结果均没有 ERROR 或 SKIP。计数单位是“场景 × 接入路径”，不是独立 bug 数量。新案例的修复版本合计 15 项通过；连同案例 001 共 25 项。
在仓库根目录复跑：
uv run --locked --python 3.14 cases/001-empty-tool-arguments/verify_suite.py
uv run --locked --python 3.12 cases/002-tool-retry-budget/verify.py
uv run --frozen --python 3.12 cases/003-session-reply-persistence/verify.py
uv run --frozen --python 3.14 cases/004-stream-error-persistence/verify.py历史验证器退出 0 表示“预定旧版失败被检出，且修复版和正常对照通过”；并非旧版目标通过了检查。每篇案例写明源码 commit、hash 校验范围、锁定依赖、观察方式与未覆盖的路径。首次运行下载源码和依赖，实际探测阶段无需 API key。
核心、CLI 和 SQLite 观察器共 44 项测试，覆盖混合案例、预先验证路径、期望值隔离、消息顺序与重复、缺失观察、异常与未支持能力的分类、退出码和报告写入。标准库测试命令：
python -m unittest discover -s tests -v本次在 Python 3.12、3.13、3.14 上均实际得到 44 项通过。0.2.0 的源码包与 wheel 构建成功；wheel 安装到独立环境后，从外部项目目录调用 console script 得到 JSON 示例 5 PASS，新的 ScenarioPath 接口也可正常导入。此处是本地安装验证，没有发布 PyPI 包。
单元测试中的合成观察只验证检测器行为；上表的真实历史执行才是框架案例的前后对照。CI 配置在 Python 3.12 / 3.13 / 3.14 运行单元测试、安装与 CLI 检查，并单独运行三个新增案例的冻结历史验证。
独立代码审查补强了两项检测边界：
- 场景适配器返回无效 JSON 时，归类为 ERROR，避免把观察器错误误报为 Agent bug；案例 001 的无效原始工具参数仍按既有契约判 FAIL。
- 重试成功重置对照使用“失败两次 → 成功 → 再失败”。在真实修复版上临时禁用成功后的计数重置，两条路径均在 outcome 失败；未修改实现时全部通过。
历史验证进程使用临时工作目录。三个新增案例均配置临时 HOME；CrewAI 还独立配置数据、缓存、配置与临时目录，避免读取用户的个人设置。源码快照与本地实验文件保留在忽略目录。
此前案例 001 已接入一个外部自研 Python Agent，得到 10 PASS。该记录只覆盖工具参数；本次三个新增案例尚未接入这个外部 Agent。
外部项目验证使用其现有 Python 3.13 环境和当前工作区源码。五个输入分别经过两条路径：
- 合成 SSE 参数分片 → 真实 provider 解析器 → 真实 gateway 与工具运行循环 → 工具参数校验/规范化 → 合成工具 handler → 真实下一轮请求序列化。四个观察点均保留参数语义，运行正常完成。
- 合成 SSE 参数分片 → 真实 provider 解析器 → 真实 checkpoint 模型与内存仓库 create/get → 真实回放请求序列化。三个观察点均保留参数语义。
只替换外部模型传输和用于观察参数的工具实现；阻止 socket 连接，没有读取项目运行密钥或调用模型 API。没有改动外部项目源码。该项目及其接入脚本属于私有本地验证，未包含在公开仓库，因此这项记录无法由公众独立复现，不作为普遍兼容性保证。
这次外部项目检查没有覆盖实际磁盘数据库、跨进程持久化、真实模型服务、HTTP/SSE 网络传输、审批恢复协调器、跨语言接入或完整业务工作流。案例 001 的公开历史证据仅覆盖完成后的 SDK block 和 JSON codec；新案例 003、004 各自使用独立的真实 SQLite，覆盖边界见上表链接。