关联 Issue

Closes #91

变更说明

本 PR 实现 Evaluation + Optimization 自动回归与提示词优化闭环，覆盖离线验证、Trace 回放和真实模型集成三种运行方式。

主要流程：

1. 校验 pipeline、optimizer、evalset 和 Prompt 配置。
2. 创建隔离的 Prompt 工作区并记录输入哈希。
3. 完整评测 baseline train 和 validation。
4. 生成候选 Prompt。
5. 完整评测 candidate train 和 validation。
6. 标准化评测结果，生成失败归因和 Case Diff。
7. 根据效果、过拟合、关键 Case 和资源预算执行 Gate。
8. Gate 接受后，通过源文件哈希校验、回读验证和失败回滚安全写回 Prompt。
9. 输出 JSON、Markdown、artifact index 和失败报告。

主要能力

• 提供确定性的 Offline Model 和 Candidate Provider，无 API Key 也能验证核心闭环。
• 支持 Trace Mode，直接回放预录制 Agent 结果，不重复执行 Agent。
• 提供显式启用的真实集成入口，支持真实业务 Agent 和真实反思优化模型。
• 接入 AgentOptimizer(update_source=False)，候选生成期间不直接修改源 Prompt。
• Baseline 和 Candidate 分别执行完整 train/validation 评测。
• 支持多次运行结果标准化、失败归因、Case Diff 和过拟合识别。
• Gate 支持验证集提升、通过率下降、hard/critical regression 和预算限制。
• Prompt 写回包含源哈希校验、回读验证和失败回滚。
• 保存优化器原生产物、四次评测结果、Prompt 快照和资源观测结果。
• 对运行时配置、失败报告和 CLI 异常进行敏感信息脱敏。
• 支持原子报告发布、路径越界防护和符号链接检查。

运行模式

• offline：真实 LlmAgent 配合确定性模型和确定性评测规则。
• trace：回放预录制轨迹，不执行 Agent。
• real：真实业务模型配合真实 AgentOptimizer 反思模型。

真实模式必须显式传入 --run-real，连接信息从环境变量读取，优化模型参数通过命令行参数传入。

测试覆盖

• Offline 三种候选场景：
  • improve
  • no improvement
  • overfit
• 四次完整评测及多 run 场景。
• 评测标准化、失败归因和 Case Diff。
• Gate 接受、拒绝、过拟合、关键 Case 和预算规则。
• Prompt 漂移检测、安全写回和回滚。
• Trace 回放及路径安全校验。
• 报告、artifact index、失败报告和敏感信息脱敏。
• 真实集成入口的离线契约测试。
• CI 子进程在非 editable-install 环境中的 CLI 导入验证。

执行：

pytest -q tests/evaluation/test_eval_optimize_loop_*.py

本功能相关测试全部通过。