v0.3.3 测试体系上线

这一版干了什么

• evals 回归用例：14 个工具各一份用例文件，共 48 条，全部来自真实体验测试沉淀（路由压测、千川决策树四路径、小红书样本定级边界等）。这是每个工具不能退步的底线。
• scripts/validate.py：零依赖校验脚本，六项检查（结构、风格、引导、marketplace 一致性、evals schema、敏感词），改完跑一遍，全绿再提交。
• GitHub Actions CI：每次 push 自动校验。
• README 新增「给同行：怎么参与迭代」。

欢迎提 PR 补用例。