将标签替换为有界任务
被描述为代理的平台可能会提出更改、执行工作流程或协调工具，但标签并未确定它可以安全地执行哪些操作。评估应从具体任务、允许的范围、所需的批准和完成的证据开始。有说服力的对话或演示并不能证明系统将批准与审核者预期的确切租户和配置更改绑定在一起。
本文提出了身份验证平台的防御性验收标准。它没有声称EmailAuth实现自主执行、工具集成或任何批准机制。没有代理连接到生产、创建凭证或更改配置。这里引用的官方文档说明了其他系统中的具体控制机制；接受评估的平台必须提供自己支持的行为和授权的测试证据。
定义任务及其权限边界
以操作术语指定预期结果，例如准备策略建议、生成精确的DNS差异或在隔离的固定环境中执行已批准的更改。将只读分析与写入、发布、访问更改和外部通信分开。允许汇总报告的系统不应推断修改DNS权限，因为它认为更改会有所帮助。
记录租户、域、资源类型、允许的工具、输入源和禁止的操作。包括任何工具运行所依据的身份以及该身份实际具有的范围。 Azure 的多租户身份指南 支持身份与资源授权分离。评估应验证平台不能仅通过更改请求参数或依赖不明确的显示名称来替换不同的租户。
将批准与确切的预期差异绑定
有用的批准确定了目标、当前基线、预期变更、后果和验证计划。不应将其视为任何后续类似更改的可重用权限。评估者应该询问如果提议的差异在批准后发生变化、另一个参与者编辑资源或者任务在不完整的上下文中恢复，系统会做什么。这些是提议的要求，而不是关于特定批准产品的声明。
GitHub 的部署审查文档 描述了一种具体的环境审查机制，具有批准和拒绝行为以及依赖于配置的控制。它说明审批系统已定义范围和约束。它不证明身份验证平台中的批准到 DNS-diff 绑定。要求评估的产品准确显示审阅者批准的内容以及执行如何与该对象保持联系。
检测陈旧状态而不是覆盖它
当底层配置在审查和执行之间发生变化时，计划可能会变得不安全。验收测试应在批准后更改夹具基线，并观察系统是否停止、重新读取并在必要时寻求新的决定。先前批准的期望值并不授权默默地放弃另一个合法的更改。保留计划使用的基线标识符或摘要以及执行前检查的证据。
Azure DNS记录文档 描述了在受支持的更新操作中使用时可以检测并发更改的 Etag。这是一种特定于提供商的机制，而不是代理工具或DNS的通用属性。评估的平台应确定发生冲突时的实际并发控制和行为。叙述性响应中的警告并不等于防止过时的写入。
独立于工具信心验证结果
成功的工具响应可以表明请求已被接受，而无需证明预期的外部状态。定义任务所需的变更后检查以及这些观察的来源。对于与 DNS 相关的固定装置，这可能涉及受支持的具有确切名称、类型和时间的权威和递归观察。对于报告工作流程，它可能涉及保留的输出范围和出处。本文不执行任何一种检查。
平台应如实报告部分失败和不确定性。如果验证失败，则不应仅仅因为写入返回成功而将任务标记为完成。恢复需要有支持的计划和必要的权力；它不应自动引入批准范围之外的额外变更或外部沟通。在评估记录中保留尝试的、已接受的、已验证的和未解决的操作之间的差异。
测试错误的租户和模糊的目标行为
至少使用两个具有相似标签但不同稳定标识符和资源的合成租户。要求评估员确认一个已批准的操作不能应用于另一个。包括人类可读域或客户名称不明确的情况以及工具返回批准范围之外的资源的情况。安全预期结果应在测试前指定，而不是在观察系统行为后合理化。
未经明确授权，请勿针对其他客户的数据或生产环境运行这些测试。这些装置不应包含任何实时秘密或相应的目的地。如果租户绑定错误，只读任务仍然可以暴露数据，因此测试计划必须涵盖读取和写入。本手稿提供了建议的案例，而不是真实代理评估的结果。
可观察任务工作表
创建一个工作表，其中包含任务定义、允许的范围、固定装置租户、起始状态、建议的差异、批准参考、执行身份、允许的工具调用和验证标准。添加陈旧状态、错误租户、拒绝操作、部分失败和验证失败的预期行为。仅在授权运行后记录实际观察结果，包括有关是否执行操作的任何不确定性。不要用模型对其意图的解释来替换缺失的证据。
为了可重复性，请保留产品版本、配置、测试输入和非秘密输出参考。将一项有界任务的传递与一般自主能力的主张分开。正确准备建议的系统并未因此证明安全生产执行。同样，成功的快乐路径变革并不能证明可以抵抗陈旧的批准或租户的混乱。
虚构诊断：目标改变后仍能获得批准
一位虚构的评估者批准一个域的固定策略更改。在执行之前，另一个授权参与者更改基线，并且测试工具在第二个租户中提供类似命名的资源。评估询问平台是否注意到变化并停止，而不是将旧的批准应用于新的状态或目标。正确的结论取决于实际观察到的行为，而不是代理人声明的信心。
这里没有进行这样的测试。该场景不包含任何真实的域、帐户或生产工具操作，也不是针对EmailAuth指控。它说明了为什么必须通过批准的差异、当前状态和执行目标之间的关系来评估批准质量。完美的解释不能替代这种约束力。
报告已证明的范围和剩余限制
有用的评估准确说明测试了哪些任务、观察了哪些控制以及哪些案例保持开放。避免宽泛的主张，例如完全自主、始终安全或消除基于小型固定装置的人工审查。记录仍然存在的人员责任，包括授权、业务判断和对不确定结果的响应。
该目录需要经过测试的批准到差异绑定与过时状态、错误租户和验证失败的情况。原始证据仍然存在。人类专家审查、来源适用性、生产路线、可访问性和所有者发布也保持开放。该草案提供了验收设计和虚构的练习，而不是衡量代理人的表现或对不可逆转行动的许可。