feat: 任务书 07，agents 模块与真实模型测试

src/agents 4 个文件 681 行：runSession 按角色开 Pi 子会话、发工具、核对实际加载内容，
提交参数非法 JSON、必填字段交 null、Pi 形状校验不通过都经提交回调记退回。
Pi 依赖固定 0.85.1；新增 npm run test:pi（glm-5.3 真实会话）。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

docs/结构.md

@@ -190,7 +190,7 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
 | submissions | 600–1000 |
 | jev | 300–500 |
 | materials | 1000–1800 |
-| agents | 800–1300 |
+| agents | 400–600 |
 | workspace | 200–300 |
 | runner | 250–450 |
 | tasks | 公共部分与填圆合计 400–700，另有任务目录里的 Python 文件 |
@@ -493,3 +493,15 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
 - `SaveOutcome`（类型）：存好了和版本号，或者存不了、路径和原因。
 - `LineRange`、`Hunk`（类型）：一块改动在一侧是"第几行到第几行"；这一侧没有行时写成"在第几行之后"（0 表示文件开头），同 `git diff -U0` 的写法。
 - `FileChange`、`Comparison`（类型）：一个改动过的文件，二进制文件不拆块；比较的全部结果。块可以为空：空文件的新增、删除和只改可执行位都没有块，按整个文件改了算。
+
+### agents
+
+下面是 `src/agents/index.ts` 导出的全部内容。agents 是程序里唯一直接用 Pi 的模块：开一个子会话，按角色发工具，把模型的查询、提交、笔记、轻量检查和每次回复的用量转给调用方的回调，等会话结束交回结局。它不碰账本，不决定给模型看什么，也不判断交上来的东西好不好。Pi 的设置不读用户和工作目录里的 settings.json，用到的几项（重试、压缩上下文、HTTP 超时）写在 `session.ts` 里；模型服务配置照常用本机 Pi 的 models.json 和 auth.json。
+
+- `runSession(task)`：跑一次会话，交回结局。建好会话后先核对实际装了什么（模型和思考档位没被换、没有扩展、技能、提示模板和上下文文件、系统提示词只多了 Pi 自己加的工作目录一行、工具表正好是该给的那几个且是给的实现），不通过就一个请求都不发，交回出错；回调抛错按调用方的内部错误处理，会话立即停下，错误原样抛出。
+- `SessionTask`（类型）：跑一次会话的输入，按角色区分，全部必填：模型、角色提示词和第一条消息（materials 拼好的文字）、工作目录、会话文件目录、提交种类、查询、提交、用量三个回调和"停下"信号；研究者另有能读的目录和写笔记，核验员另有能读的目录，实验员另有轻量检查；研究者交上一份被收下后会话不结束，实验员、核验员交上就结束。
+- `RoleModel`、`ThinkingLevel`（类型）：provider、模型名和思考档位，档位必须写明，名单与 config 的 `THINKING_LEVELS` 相同。
+- `KindOf<R>`（类型）：某个角色交的提交种类，取自 vocab 的 `SUBMISSION_KINDS`。
+- `SubmitAttempt<K>`（类型）：交给提交回调的一次提交：形状合格的内容和"替换哪一份"（只有研究者的提交能替换），或形状不合格的原样参数和原因（参数原文不是合法 JSON、必填字段交了 null、Pi 的形状校验不通过），后者回调只需记一条退回。
+- `SubmitReceipt`（类型）：提交回调的回答，收下和编号，或退回和原因，agents 原样回给模型；收下时另回显收到的字数和结尾。
+- `SessionEnding`、`SessionOutcome`（类型）：交了、没交（附原因，例如最后一条回复被输出上限截断）、出错（附原因）、被停下四种，都带墙钟时间（秒）和会话文件路径（Pi 没写出会话文件时为 null）。