前沿 Agent 交付完整项目，最高只拿 65 分：错在第一个文件，后面全都对

一句话定位：这不是"哪个 Agent 更能干活"，而是"它交出的一整套文件里，结论之间还对得上吗"——被测对象是跨产物的依赖链，不是单个文件的质量。同样的断言可迁移到月度经营分析、跨表对账、多级审批附件、投标材料套件、测试报告与缺陷清单的对应。