Agent 运行评估 独立测试站
目标与技术方案 ↗

COMPANY AGENT REVIEW

监管与有效性评估

原脚本提供事实,项目与 case 串起目标、结果、代价和人的评价。

已显示最近快照快照同步 2026/10/18 00:37:00

数据已显示。交互加载期间可直接使用板块链接、分类链接和表格展开;刷新可读取最新快照。

新旧监管接入对照

展示接入与业务执行分开;替换前仍需补全列出的覆盖缺口。

旧监管内容新站位置接入情况
账号、磁盘、token与用量归属成本沿原观察器与账本
首回应、交付、首轮与平均上下文速度沿原Run/Request记录;已修复稀疏运行状态覆盖关联ID的问题
逐日样本、中位数、P95与阶段耗时速度详情保留各指标样本数和原05:00日界
上下文注入来源与规则原文规模上下文来源已补接;只发布名称、规模与加载时机
自动化检查、执行、异常与告警送达自动化与异常只读接入;原处理与开关留在旧入口
Prompt审阅与重要区域访问安全沿原覆盖范围;部分设备、Codex来源仍待接入
项目、功能、精选案例与原人评项目与案例按既有登记与本次展示归属;同类任务分表标注评分
全部项目任务完成率、case精确成本、GPU小时待关联原始记录尚未具备完整分母或运行级关联,保持未知

本轮数据读取

来源获取频次当前读取原数据时间读取时间
核心评测case与原人评现有评测工作台已整理快照;原文变更后刷新已连接2026-10-15(原快照日期)2026/10/18 00:37:00
响应速度与上下文沿原运行事件;测试站120秒取快照已连接2026/10/18 00:36:012026/10/18 00:37:00
项目与反馈原04:00/18:00复盘;测试站读取现有投影已连接2026/10/12 20:43:302026/10/18 00:37:00
Prompt安全审阅原15分钟条件检查;测试站只读结果已连接2026/10/18 00:33:072026/10/18 00:37:00
运行与资源汇总原观察器约60秒;测试站120秒取快照已连接2026/10/18 00:37:002026/10/18 00:37:00
项目与关联话题用量沿原token账本与项目登记;120秒汇总已连接2026/10/18 00:37:012026/10/18 00:37:00
主机与设备使用次数120秒读取既有访问监管导出;保留历史与当前覆盖已连接2026/10/18 00:37:012026/10/18 00:37:00
项目与功能整理沿项目说明与既有反馈;120秒读取更新已连接2026/10/18 00:37:012026/10/18 00:37:00

信息获取机制

机制节律(北京时间)获得什么展示到哪里边界
定时复盘04:00/18:00项目认识、进展、任务、原文与评论项目与反馈沿原共用采集;不因页面刷新重新采集
实时运行随请求/运行事件启动、工具、完成、交付、用量速度、成本、case事件到达不等于业务成功
资源观察约60秒磁盘、账号、服务、API与恢复成本、预警显示原测量时间;账号未知单列
会话诊断最多5分钟阶段耗时、基线、上下文变化速度与上下文采样不足时不能断定正常
TODO与自动化原任务事件与条件检查应触发、实际运行、产物、送达项目、预警与行动条件检查不等于每次调用模型
Prompt审阅原15分钟条件检查语义风险、覆盖与用量安全异步审阅,不等于执行前拦截
重要区域访问沿原停止/启用决定已有访问与注入证据安全暂停项不恢复;普通工作区不读内容
核心case与人评原整理窗口/反馈产生时目标、过程、Skill、结果、人工评价项目与case精选范围;人评与模型初评分开

独立运行与数据缺口

原脚本和业务系统继续在原位置运行。测试站每120秒只读同步已有结果,页面读取本地快照;源读取失败时保留该来源的上次有效数据。

网页不需要访问 RemoteLab 才能显示已同步内容。原来源仍可能依赖 RemoteLab,新数据是否持续产生要与页面可用性分开看。

当前缺口:case运行级token关联、完整Skill使用证据、全部外部算力计量,以及部分项目的真实使用覆盖。页面为这些字段保留未知,不生成估计成果。