这可能是我见过最喜欢过度思考的模型了，既过度思考又喜欢过度测试 
改一个设置astra 1分钟，它一小时还留下一大堆没用的测试用例 
所有harness都用过了 也用提示词约束，没啥用，到头来等个焚诀或者等下一个更好的flash模型吗把