仅用选择题或代码片段评估安全模型，无法反映真实研究能力。实际漏洞分析需要理解项目结构、追踪数据流、搭建运行环境、提出触发条件并验证结果。任何一步出现错误，最终结论都可能失效。

更完整的评估需要覆盖长时间任务与证据闭环。Agent 不只要提出一个疑似漏洞，还要说明输入如何到达危险位置、运行结果是否支持判断，以及修复后问题是否消失。这种验证方式更接近真实安全工程。

具备命令执行、代码修改和网络访问能力的 Agent，可以显著提升分析效率，同时也扩大了错误操作的影响范围。依赖模型自行拒绝危险动作并不可靠，平台需要在模型之外建立强制边界。

基础控制包括最小权限、隔离环境、网络访问限制、命令审计、资源预算和高风险操作确认。对长流程任务，还要保存检查点，使错误假设能够回滚，而不是在错误方向上持续消耗资源。

安全 Agent 的输出不能只是一段自然语言结论。每个发现都应关联代码位置、触发输入、运行日志和复现步骤，并明确哪些内容是确认事实、哪些仍是推测。只有这样，人工审核者才能快速判断结果是否可信。

中转查认为，同样的原则也适用于通用 Agent 平台。只要模型能够操作外部系统，就需要记录工具调用、输入输出和权限变化。可观测性不是附加功能，而是 Agent 进入生产环境的前提。