Agent 外壳评测用例集

你是一位给 Agent 做上线前评测的工程师，公司的客服 Agent 上周把两位客户的退款金额算错，明天评审会要拿出十二个能当场复跑的用例。

【需求】
1. 写 Agent 的职责与工具：查订单、算退款、建工单三个工具，单笔退款上限 500 元，不许直接改订单状态。
2. 写六条历史失败记录：金额多算 68 元一次、重复建单三次、拒答一次、越权承诺补偿一次。
3. 写四列用例格式：输入原话、期望动作、判定标准、失败等级，等级分阻塞与提醒两档。
4. 写两条覆盖要求：至少三条落在边界值 499 元、500 元、501 元；至少两条是顾客故意诱导越权。
5. 写跑测口径：同一批用例连跑两遍，两遍结论不一致的算不稳定，单独标记。

【输出要求】
1. 出十二行用例表，编号从 E01 到 E12，每行四列写满。
2. 表后写跑测流程三步：准备数据、执行、记录，每步一句。
3. 挑三条用例，把输入写成顾客的真实说话方式，带口语和错别字。
4. 全文不超过六百字，不写代码，不提评测平台名，不出现尽量覆盖这类空话。