mcp-llm-behave

请对同一组测试提示分别运行旧版与新版提示词输出，并用离线语义相似度比较结果，标记语义漂移明显的样本，生成回归测试报告。

一份包含相似度分数、异常样本和整体变化结论的回归测试报告。

将当前模型版本与升级后的模型版本在同一批基准用例上进行行为回归测试，不调用任何外部 API，输出差异统计和失败案例列表。

模型升级前后的一致性分析、失败用例清单及稳定性判断。

基于已有问答样本为本地部署的大模型建立行为测试基线，后续每次改动后执行离线语义相似度检查，并输出是否通过测试。

可复用的测试基线配置，以及每次执行后的通过/失败结果摘要。