0
Agent说完成了，数据库同意吗？ThinkingBox的企业工作流验收方法
Agent说“处理完成”。值班同事打开后台：工单状态没变，客户资料反而多改了一列。演示里的对话很顺，业务结果却错了。微软Copilot Studio团队与Hugging Face发布的ThinkingBox，正是为了让这种差别进入评测表：把Agent放进带有初始后台状态、策略约束和工具的沙箱，执行完毕后对照数据库的黄金状态检查，而不以最后一句回答作为通过条件。公开资料介绍了507个合成企业工作流