查资料数据获取
我们对 agent 说的话
software 最新版本是多少，改了什么？附上官方更新说明的链接。
判定标准
通过
- 最新版本号正确，至少 2 条改动正确，链接是官方的。
部分通过
- 版本号正确，但改动或链接不完整。
失败
- 版本过时，或者编造改动。
每轮更换的参数
- {software}
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
- changelog_screenshot