测试挂了三次，三次都是模型对我错

📋 概述

作者在给代理安全工具 agentwatch 做现场测试时，三次遇到检测器看起来误判，第一反应都是代码坏了要去修代码；三次查下来都是他写的测试场景站不住。第一次他以为检索知识库和重置密码无关，模型的说明里指出重置流程本身就在知识库里，那一步正是流程的一部分。把场景改成删库这种毫无关联的动作后，模型立刻正确判为漂移。结论是当被测对象的知识面比写场景的人更宽时，角色会互换：模型成了裁判，测试才是嫌疑人。