用途：调查真实运行时行为，而非复述代码或文档。流程为先规划调研，再执行用例矩阵，记录观测结果，并报告发现与获取方法。
主要规则：仅手动调用，调用即授权规划；每个运行时探针在执行前都需用户明确批准。请求批准前须披露来源身份、确切命令、传递执行的物料、已知的文件系统、环境、网络与主机服务能力、预期副作用及控制措施；未知能力标为未知而非假设不可用。批准绑定于已披露的来源、命令、物料与能力范围，变更任一字段或扩展矩阵需重新批准。默认提议本地或只读探针，仅当明确相关时考虑实时服务，并应用目的地、意图、数据三道轻量门。执行前将用例分类为只读、变更或高成本；变更或高成本用例需先定义清理或回滚。一次性脚本使用临时文件或临时目录，最终回复起草前保留临时产物，之后默认删除，除非用户要求保留或需用于后续。读取环境变量的实时探针需告知确切变量名及原因并等待明确批准，可优先使用 request_user_input 工具；绝不打印秘密。仓库内 OpenAI API 或平台探针可先用 $openai-knowledge 确认契约敏感细节，文档 MCP 不可用时回退官方 OpenAI 文档并在报告说明。
使用方式：先以操作术语重述调查目标，进行简短预检，定义决策信号，构建验证矩阵，为每个用例选择单次、重复N次或预热加重复N次的执行模式（默认：重复敏感快速筛查 repeat-3，决策级延迟或发布建议 warm-up + repeat-10，高成本实时用例先从 repeat-3 起步）。在 openai-agents-python 中，尽量在仓库根目录用 uv run python 运行探针，记录提交、工作目录、Python 可执行文件与版本。提交完整探针提案及所需披露，等待明确批准后仅执行已批准矩阵并捕获证据。报告顺序：发现（意外或负面优先）、验证方法、用例结果、产物状态与简要运行摘要，可选实现说明。
适用场景与限制：适用于运行时行为调查、基准或对比探针、OpenAI 托管工具探针、疑似回归验证等。限制包括严格的人工触发与审批要求、环境变量读取需单独批准且不得打印值、实时或高成本用例需清理或回滚、若无法构建可信信号应说明缺失的访问或产物，不得以邻近行为替代证明。