Rubric

Rubric 是面向 LLM agent 的 behavior-first eval 框架：它检查调用了哪些工具、参数是什么、顺序和 trace 是否合规，而不是只评估最终文本。README 的 LangGraph 示例里，账户锁定场景因为漏调 `create_ticket` 且调用 forbidden `send_email`，tool_call_accuracy 直接为 0.000；它还支持 PR 中 baseline diff 和自包含 HTML/JSON 报告。这个项目补的是 agent 回归测试里最容易漏掉的“动作正确性”。