feat(soak): 压测的环境层——AppWorld 容器池与薄 HTTP 客户端

⑥ 的验收要自己造负载压，环境用 AppWorld：733 个任务与 197M 数据都在本机、docker 镜像已
拉好、而且它自带评测端点做程序化判分——换成让另一个模型判对错，等于往验收里再塞一个非
确定源，验收本身就不可复现了。

**不 import dissect**（§1.2 禁止反向 import），照它那两个文件当协议文档自己写了一份。
副作用是这反而更强：证明一个不认识 dissect 的第三方只用公共 API 就能驱动真实环境。

复刻了 dissect 记下的几个坑：httpx 必须 trust_env=False，否则本机代理会把 127.0.0.1 的
请求也劫走、表现成 502；健康检查失败先抓容器日志再删；关闭失败按端口分开计数，用全局
计数器的话坏容器的失败会被别的容器的成功清零。

放在仓库根的 tools/ 下而不是 tests/ 下：打包只收 src/，所以它不进 wheel 也不进 sdist
（实测两个产物里 soak 命中数都是 0）；而 §1.9 的四层是按「依赖什么」分的，压测不属于其中
任何一层，塞进 tests/ 要么破坏分层要么和 e2e 共用同一道花钱的闸。Makefile 的检查目标
跟着加上 tools/。

冒烟真跑通：起容器、初始化真题、跨调用保持变量、错误代码返回 traceback 而不抛异常、
评测、无容器残留；另验 2 容器并发的租借与归还。

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

Makefile

@@ -11,15 +11,15 @@ install:
 
 # lint 带 --fix 会改工作区，check 只读。CI 用 check，人手修用 lint。
 lint:
-	$(RUN) ruff check src/ tests/ --fix
+	$(RUN) ruff check src/ tests/ tools/ --fix
 	$(RUN) lint-imports
 
 format:
-	$(RUN) ruff format src/ tests/
+	$(RUN) ruff format src/ tests/ tools/
 
 check:
-	$(RUN) ruff format --check src/ tests/
-	$(RUN) ruff check src/ tests/
+	$(RUN) ruff format --check src/ tests/ tools/
+	$(RUN) ruff check src/ tests/ tools/
 	$(RUN) lint-imports
 
 test: