HANDBOOK.md用65个代理任务测试长政策文档对工具行为的约束力。
推荐理由：抓住企业代理部署的真实痛点：系统提示、政策文件和技能文档是否能长期约束工具调用；65个任务直接测合规执行，而不是只测任务完成率。
阅读原文