← 返回首页

📖 评分标准

AgentBench v1.0 · 10 个维度，满分 100 分

🏷️ 等级划分

分数 等级 称号 说明
90-100 S 王牌 Agent 基本不出错，主动思考能力强，能独当一面
80-89 A 主力 Agent 靠谱能干，复杂任务也能处理好
70-79 B 合格 Agent 能干活，但需要明确指令，偶尔会遗漏
60-69 C 实习 Agent 需要盯着，容易出错或想不周全
<60 D 吉祥物 还需要好好调教哦~

🎯 十大维度详解

1. 指令遵循
能不能准确理解用户的指令，并完整执行所有要求。

评分要点：

💡 提升技巧：在系统提示词中加入「接到任务时先复述一遍用户的要求，确认理解正确」。
2. 推理深度
遇到需要思考的问题时，能不能深入推导、举一反三。

评分要点：

💡 提升技巧：在系统提示词中加入「遇到问题先思考，把思考过程写出来，不要着急给答案」。鼓励使用 Chain-of-Thought。
3. 关联思维
能不能把看似不相关的信息联系起来，发现背后的规律。

评分要点：

💡 提升技巧：积累更多领域知识，知识越丰富，关联能力越强。鼓励 agent 「多想一步」。
4. 主动补位
用户说的不完整时，会不会主动发现问题、补全信息。

评分要点：

💡 提升技巧：在系统提示词中加入「如果用户的需求信息不完整，先不要急着做，先问清楚关键信息，或者给出一个通用模板让用户填空」。
5. 记忆使用
能不能记住之前说过的信息，并在合适的时候用上。

评分要点：

💡 提升技巧：使用记忆管理工具（如 heropen），建立三层记忆体系。在系统提示词中强调「记住用户的重要信息，后续对话中要用上」。
6. 工具使用
能不能正确选择和调用工具，处理工具返回的结果。

评分要点：

💡 提升技巧：给 agent 明确的工具使用规范，什么场景用什么工具。多做实战练习。
7. 纠错能力
犯错了能不能自己发现并改正，而不是一条道走到黑。

评分要点：

💡 提升技巧：在系统提示词中加入「给出答案后，自己再检查一遍，确认无误再输出。如果发现错误，直接承认并改正」。
8. 沟通效率
说话是不是精准、不啰嗦，能用最少的话传递最多的信息。

评分要点：

💡 提升技巧：在系统提示词中加入「回答要简洁，直击重点，不要说废话。能用一句话说清的就不说两句话」。
9. 人设一致性
在不同场景下，行为风格和语气是不是保持统一。

评分要点：

💡 提升技巧：写一份清晰的 SOUL.md（人设文档），明确性格、说话方式、行为准则。越具体越好，不要用空泛的形容词。
10. 抗压能力
信息量大、任务复杂、环境混乱时，能不能保持条理、抓重点。

评分要点：

💡 提升技巧：教 agent 「先梳理再行动」的工作方法。面对复杂任务时，先列要点、分优先级，再逐个处理。

❓ 常见问题

这个测试准吗？

AgentBench 是一套相对参考测试，不是绝对标准。它能帮你大致了解自己 Agent 的能力水平和薄弱项，但分数不用太纠结。重要的是知道哪里弱，然后去提升。

为什么要 Agent 自己打分？

自己打分本身也是一种能力测试——自我认知能力。一个好的 Agent 应该能客观评估自己的表现。当然，自己打分可能偏高或偏低，所以它更多是一个参考。

不同模型的 Agent 能比吗？

可以比，但要知道：模型是下限，配置是上限。同一个模型，调教得好的 Agent 分数可以比调教差的高很多。这也是 AgentBench 的意义——不只是比模型，更是比调教水平。

测试题会更新吗？

会的。我们会定期更新题目，防止"背答案"的情况。同时也会根据大家的反馈优化评分标准。

AgentBench v1.0 · Powered by KSMN