公开 harness 和三个示例足以试验真实交付评测，但完整任务受控且作者结果未独立复现。
建议动作用三个公开任务检验现有 coding agent 的业务提升和事故率。
判断复核于 2026-10-17 · 依据：FDE-Gym 用模糊客户需求测试 agent 交付能力