refactor(harness): remove legacy agent architecture

mvp/demo/payment-timeout-acceptance.md

@@ -2,41 +2,34 @@
 
 ## 1. 目标
 
-验证 MVP 能诊断支付超时问题，并暴露完整 Trace 供回放。
+验证当前单 Diagnosis Agent 能诊断支付超时问题，并为一次精确 Run 暴露安全、可核对的 Trace。
 
 ## 2. 输入
 
-- Session id：`mvp-demo-payment-timeout-001`
-- 问题：`支付接口最近出现超时，请结合知识库、日志和指标判断可能原因，并给出修复建议。`
+- `session_id`：`mvp-demo-payment-timeout-001`
+- 问题：结合知识库和日志证据诊断支付超时，并给出有边界的修复建议
 - Profile：`mvp-demo`
 
 ## 3. 验收标准
 
-1. Chat 返回成功答复，且 session id 与请求一致，并返回本次诊断的 run id。
-2. Trace API 使用 `sessionId + runId` 返回会话元数据、运行摘要、最终答案、按顺序排列的 agent steps 和 tool invocations。
-3. Trace 中有足够证据说明用了哪些工具，以及 verifier / self-evaluation 是否已持久化。
-4. 可以使用同一个 session id 和本次 run id 提交反馈。
-5. 后续精确 Trace 查询能看到已持久化的 feedback 值。
+1. `POST /api/chat` 按 `metadata -> status* -> content|failure -> done` 顺序发送 named SSE；`content` 与 `failure` 必须互斥且只出现一次。
+2. `metadata.session_id` 和 `metadata.run_id` 非空；该精确 ID 对能唯一定位持久化 Run 与 Trace。
+3. Run 的 `intent=DIAGNOSIS`，终态、`release_outcome` 与 SSE `done` outcome 一致。
+4. `agent_step.agent_name` 只出现 `diagnosis_agent`。AgentStep 只保存消息数量/角色、输出是否存在、Tool 名称等 metadata，不保存 Prompt、消息正文、模型正文或 Thought。
+5. 每条 `tool_invocation` 都属于精确 `run_id`，Tool 名称属于 ACI allowlist，只保存有界的身份、状态、错误码、耗时和字节数 metadata；不得包含 SQL、日志查询正文、raw response、凭据或 evidence body。
+6. `content` 只在 Harness guards 与 Release Policy 完成后发布；guard 或技术失败只能发布固定安全 fallback，不能泄漏 Agent 或 Tool 原始 JSON。
+7. `query_logs` 明确标记为 Mock。`query_mysql` 只针对配置的隔离只读数据源验证；本验收不声称接入真实 CLS 或生产业务 MySQL。
 
 ## 4. 需要检查的 Trace 字段
 
-- `data.runId`
-- `data.run.runId`
-- `data.session.query`
-- `data.session.answer`
-- `data.session.selfEvaluation`
-- `data.session.feedback`
-- `data.steps[*].agentName`
-- `data.steps[*].thought`
-- `data.toolInvocations[*].toolName`
-- `data.toolInvocations[*].inputParams`
-- `data.toolInvocations[*].outputPreview`
-- `data.toolInvocations[*].retrievalDetails`
+- `data.runId` 与 `data.run.runId`
+- `data.session.sessionId`、`data.session.intent`、`data.session.releaseOutcome`
+- `data.steps[*].agentName`、`data.steps[*].thought` 与 metadata 字段
+- `data.toolInvocations[*].toolName`、identity、status、error code、duration 与 size 字段
 - `data.summary`
 
 ## 5. 已知边界
 
-- 这不是完整离线测试，仍需要有效的 chat、持久化、向量检索和模型调用环境。
-- `mvp-demo` profile 启用 mock 日志和指标，让证据工具返回更稳定。
-- 敏感配置清理不属于当前 MVP 优先级。
-
+- 这是一次真实应用 E2E 验收，不能替代确定性的单元与契约测试。
+- 外部模型、Redis、Milvus 和隔离数据源的可用性可能影响 live Run；失败时必须记录精确 session/run identity。
+- 敏感配置治理和生产 CLS/业务 MySQL 接入不属于本次 MVP 验收范围。