Reward Engine让工具智能体自建奖励

Reward Engine从既有交互经验中构造稳定奖励，驱动开放式工具智能体自我改进。

推荐理由：开放任务缺少唯一工具路径和可执行真值，该方法先从轨迹、环境状态与产物归纳成功条件，再固定奖励优化策略；这瞄准了工具智能体后训练最难规模化的监督瓶颈。