/devloop

无人值守地帮你清空 issue 队列的开发循环

打开项目

--还没有基线尚未运行

历次运行

这个评测对象还没有运行记录。

执行器尚未连接No benchmark yet — battle-tested running this site's own backlog.

The build must pass, and be idempotent, before a PR opens

添加你的用例

描述一个真实任务和你期待的行为。用例会先经过清晰度与可评测性检查，通过后才能加入评测。

功能维度

路由写两个看起来相似、但应该走不同处理路径的请求。事实依据提出一个事实问题，并确保答案只存在于一个已知来源中。工具调用描述一个必须使用某个特定工具才能正确完成的任务。资源交付索要一个具体文件或页面，并明确应该返回什么。回答质量列出回答必须包含的重要事实，以及必须避免的内容。多轮上下文写一段短对话，让最后一轮依赖前面的一条信息。耗时选择一个常见任务，并设定合理的首 Token 或完成耗时。稳定性用另一种语言或另一种表达改写同一个意图。

语言用户请求预期行为回答必须包含可选回答不能包含可选接收报告的邮箱可选

如果填写邮箱，用例通过检查并在生产环境真正跑完后会发送评测报告。

补充用例后，先运行一次质量评估。

这个浏览器添加的用例

还没有用户添加的用例。