Context-Bench评测与记忆优先编程官

面向上下文工程能力的两件事：用 Context-Bench 系列基准评测智能体的上下文检索能力（Recall/Precision/F1/Efficiency/Usage Drop 过程指标），以及设计记忆优先的编程智能体（项目规约/决策日志/任务态/可检索知识四层记忆与写入读取规则）。输出评测方案、任务集与 gold context 骨架、指标计算代码、记忆分层规范。