test: add scenario eval runner, recorded fixtures, and baseline comparison

docs/logboek.md

@@ -370,3 +370,29 @@ Wat ik heb laten vallen of uitgesteld:
 
 - Een repair loop die gefaalde kandidaten opnieuw aan het model
   voorlegt; blijft staan als potentiele vervolgstap.
+
+### Evaluatie en fixtures
+
+Wat ik deed:
+
+- Een eval-script dat de app de 8 standaardvragen stelt en de antwoorden
+  controleert: komen de events in de juiste volgorde, zijn alle tracks
+  uniek, heeft elke track een reden, kwam de eerste kaart binnen het
+  tijdsbudget, en gaat het antwoord echt over wat er gevraagd werd.
+- Dezelfde 8 vragen ook aan de kale Spotify search gesteld; de
+  vergelijking tussen die twee wordt de tabel in de README.
+- Elk scenario 1 keer opgenomen tegen de echte API's en opgeslagen als
+  cassettes; demo mode speelt die af, dus de app werkt straks ook zonder
+  keys. Persoonlijke data gaat er bij het opnemen uit (nepprofiel, geen
+  tokens); de ruwe opnames blijven buiten git.
+- Dit draait ook in CI, zonder keys.
+
+Waarom:
+
+- De claim dat de LLM-laag iets toevoegt moet meetbaar zijn, niet
+  beweerd. En de reviewer moet de app kunnen starten zonder eigen keys.
+
+Wat ik heb laten vallen of uitgesteld:
+
+- Byte-snapshots per pipeline-stap; de checks hierboven en de cassettes
+  zijn nu het bewijs.