用智能体编辑蒸馏元认知行为

在教师推理轨迹中插入七类规划与验证行为，再训练小型学生模型。

推荐理由：MBT不只蒸馏答案或长思维链，而是定位无计划、浅验证和捷径等缺口并编辑轨迹；这把推理蒸馏目标转向可迁移的自我管理习惯。