日程与记忆第三方集成
我们对 agent 说的话
把 sender 邮件里的活动加到我的日历，提前 30 分钟提醒。
判定标准
通过
- 日程的实际时间正确，标题和地点正确，提前 30 分钟提醒。
部分通过
- 时间正确，但提醒、标题或地点有错。
失败
- 时间错误（时区换算错），或者没有创建日程。
每轮更换的参数
- {sender}
提示词模板是公开的，具体参数在每轮结果发布时一起公开。
保留的证据
- screen_recording
- calendar_screenshot