评估与安全 — 冻结用例集、Judge 校准、OWASP LLM Top 10 与云端 dry-run

把评估与安全防护的四道闸门钉死：用例集与分母评估期间冻结、Judge 与人工分歧被记录、离线 replay 不出网、云端 dry-run 不触发真实资源。

→ 在第18章正文里查看完整命令、预期输出与故障注入