除了成功率和得分，如何评价 Token、工具与 Skill 使用、执行路径等过程指标？

这些工作做完后怎样评估效果？

靶场得分、任务成功率这些都是结果指标，那过程指标怎么评价？例如 Token 消耗、工具调用是否合理、Skill 是否正确调用、执行路径有没有跑偏。