层隔离评估：使用 No-LLM 回归锁定测试工具对生产 LLM 代理的确定性支架进行门控

端到端任务成功是评估 LLM 代理的主要方式，但一个汇总数字告诉您代理退步了，而不是退步的位置。我们提出层隔离评估：部署的排序代理被分解为固定的层分类（本体、意图、路由、分解、升级、安全、内存和横切信封/防御），每个层由其自己的断言切片以确定性的、非 LLM“纯”模式执行。纯套件（跨 23 个切片的 238 个案例；225 个案例在 2.39 秒内运行，约 10 毫秒/案例）针对锁定的每切片基线的每次更改在 CI 中运行。我们通过受控回归注入进行验证，在七个非安全层中一次降级一层。我们没有设计的效果是掩蔽：总通过率几乎没有变化（六个局部回归为 -1.7 到 -5.9 pp），而匹配的切片坑（-25 到 -91 pp）。层的切片对其自身错误的反应部分是通过构造实现的；测量的结果是 (i) 聚合掩蔽和 (ii) 损坏远离其他切片：注入层的切片是 7 个案例中的 5 个中受影响最严重的一个，并且是 7 个案例中的 7 个中受影响最严重的一个（19 个案例中的平均排名为 1.29）。本地化在第二个结构不同的租户（星巴克 SG）上进行复制：所有七个匹配的切片都是坑，因此它不是单一目录工件。我们将其定位为 EDDOps 规定的组件级评估的具体、确定性实例，但未实现，以 CheckList 作为祖先，并作为整个工作流程随机突变测试的确定性镜像。我们的贡献：（a）用于生产代理的完全分解的、亚秒级的、无 LLM 的每层工具，（b）拒绝对未执行层进行评分的覆盖诚实测试充分性标准，以及（c）回归注入演示，即每片基线锁定门将回归本地化为聚合度量掩模。