用途：针对长时间运行的 Agent、RAG 或 LLM 方案，围绕检查点、心跳、恢复与取消、重复提交、超时和资源生命周期，做证据受限的分析、设计或验证准备，并产出可执行的改进项。
主要能力：从实际协议推导 queued→running→checkpointed→interrupted→resuming→completed 及 running→cancelling→cancelled 等状态；记录 task_id、检查点 schema/状态版本、已提交步骤 ID、来源与完整性；校验版本与已提交效果后再恢复，不兼容检查点不可盲目重放；记录 owner、租约/隔离令牌与过期策略，失去租约的 worker 不得提交；按项目幂等规则合并或拒绝重复 task_id，不假设恰好一次投递；依据指定提交点重建取消与提交竞态，保留已提交结果并验证终态、资源释放与取消确认。
使用方式：先阅读并遵循 prompts/agent-long-running-testing.md，按其输入审计、领域覆盖与输出顺序执行；提取范围、环境、版本、时间窗、约束、成功标准与可用证据；区分已确认事实、有证据的推断、候选建议与需人工决策项，再按风险与证据强度排序；将高风险项转为前置条件、步骤、预期行为或判定标准、所需证据与验证方法。默认输出 Markdown，按领域风险、证据状态、优先级与边界组织；用户要求表格、CSV、JSON 或工单字段时保留相同字段、证据与决策边界，机器消费前确认 schema、枚举、必填字段与证据来源。可参考 references/domain-decision-example.md 校准领域结果、有效控制与证据缺口；评估时阅读 evals/eval.yaml 及 evals/cases/ 下匹配用例。
适用场景：审查 Agent、RAG 或 LLM 的计划、结果或证据集；输入不完整但仍有必要做带假设、缺口与人工决策边界的有界首轮分析。
限制：不得编造系统行为、字段、模型输出、数据、阈值、根因、执行记录或通过结论；静态设计、计划、文件存在或 dry run 不能作为真实执行证据；证据不足时使用待确认、阻塞、未评估或 NOT_SCORED 并给出最小验证方法；涉及用户数据、生产或安全工作时使用最小权限、脱敏、模拟、dry run 或隔离；不替代业务负责人或人工的风险接受、例外审批与安全决策。