v0.3.5 全量实测收官

14 个工具全部完成角色扮演实测过审，修复 30 余处（算账口径、预算测算、缺数据判定、合规拦截等）。新增 scripts/run_evals.py 行为回归运行器，改完一个 skill 可以真跑用例验证行为没有退步。