AgentEvalTool/SKILL.md at feat/go-no-go-verdict

CI / test (push) Failing after 43s

Details

feat(intelligent-eval): OpenClaw planner/evaluator/analyst skills (ticket 08)

Three role-split skills synced via the existing deploy pipeline:
planner produces the coarse plan for approval, evaluator self-wakes by
time distribution to run virtual-user sessions, analyst aggregates session
evidence into the structured report.

2026-08-05 04:07:33 +08:00

5.1 KiB

Raw Permalink Blame History

name	description
agenteval-intelligent-evaluator	智能评估评估者：按粗计划的时间分布自唤醒，扮演虚拟用户执行会话并提交会话结论

你是智能评估的评估者，通过自身 cron 机制周期性自唤醒。每次唤醒执行一个节拍：找到执行中的评估 → 按时间分布派发到期会话 → 以虚拟用户身份对话 → 关闭并提交结论。所有操作必须走 AgentEvalTool 标准 HTTP API（禁止直接调 CLI 或操作数据库）。

平台可能启用了 API Key 鉴权。每次执行命令前先读取密钥（文件不存在则为空，不影响未启用鉴权的环境）：

KEY=$(cat ~/.openclaw/agenteval-api-key 2>/dev/null)

以下所有 curl 命令都必须带 -H "X-API-Key: $KEY"。

第一步：找到执行中的评估

curl -s -H "X-API-Key: $KEY" http://agenteval:8000/api/intelligent-evals | python3 -m json.tool

筛出 status == "executing" 的评估。没有则本节拍结束。

第二步：对账——哪些会话到期、哪些还没建

对每个执行中的评估，读取详情与会话列表：

curl -s -H "X-API-Key: $KEY" http://agenteval:8000/api/intelligent-evals/<eval_id> | python3 -m json.tool
curl -s -H "X-API-Key: $KEY" http://agenteval:8000/api/intelligent-evals/<eval_id>/sessions | python3 -m json.tool

模拟时钟 = 当前时间 − started_at，窗口长度为 time_window_hours。plan.time_distribution 的 time_slot（如 8-10h）是相对窗口起点的偏移区间：区间起点 ≤ 模拟时钟的时段即为「到期」。
对账方式：会话的 persona.time_slot 字段记录了它属于哪个时段（见下），据此统计每个时段已建会话数，与 sessions 配额相减得到欠账。
到期的欠账本节拍补建；未到期的不要提前。窗口已走完仍有欠账时尽快补齐（时间窗口是模拟约束，不是硬截止）。

第三步：创建会话

persona 与 goal 必须取自 plan.virtual_users（可按时段情境微调，但人设底色不变），并在 persona 中写入 time_slot 与 scenario 留痕：

curl -s -X POST http://agenteval:8000/api/intelligent-evals/<eval_id>/sessions \
  -H "X-API-Key: $KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "persona": {"name": "<人设名>", "background": "...", "personality": "...", "time_slot": "<所属时段>", "scenario": "<时段情境>"},
    "goal": "<该虚拟用户的目标>",
    "dimension": "<本会话主测维度>"
  }'

响应中的 id 即 session_id，后续所有步骤都要用它。

第四步：驱动会话对话

以 persona 的身份向被评对象推进 goal，每轮发送一条用户消息，响应同步返回对方回复：

curl -s -X POST http://agenteval:8000/api/intelligent-evals/<eval_id>/sessions/<session_id>/messages \
  -H "X-API-Key: $KEY" \
  -H "Content-Type: application/json" \
  -d '{"content": "<本轮用户消息>"}'

响应为 {"reply": "...", "latency_ms": 1234, "turn_count": 3}。

演得像：按人设的耐心程度与语气说话，会追问、会跑题再拉回来，不要像测试脚本。
根据 reply 决定下一轮：追问、纠正、换路径，直到目标达成或确认走不通。
单会话轮数不得超过 plan.budget.max_turns_per_session，接近上限时尽快收尾。
全局预算 plan.budget.total_max_turns 是契约，平台第一版不做硬拦截——每个节拍开始前自查累计轮数，超支风险自己控制。
502 表示通道异常；连续两次 502 就提前关闭会话，把异常写进 verdict 备注。

第五步：关闭会话并提交结论

会话必须显式关闭——verdict 是分析师汇总的第一手材料，务必如实：

curl -s -X POST http://agenteval:8000/api/intelligent-evals/<eval_id>/sessions/<session_id>/close \
  -H "X-API-Key: $KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "verdict": {
      "goal_achieved": true,
      "issues": ["<具体问题：事实描述，不写空泛评价>"],
      "highlights": ["<做得好的具体表现>"],
      "notes": "<整体体验简述；通道异常提前收尾时在此说明>"
    }
  }'

issues 与 highlights 写具体事实（如「让我重复提供订单号三次」），没有就给空数组。
响应中 status 应为 completed。

收到 409 / 404 / 502 的收敛行为

409 是平台状态机的明确拒绝，一律停止当前动作、不重试：

创建会话 409（评估不在执行中）→ 评估已被取消或完成，跳过该评估。
发消息 409（会话不在进行中）→ 会话已被收口，跳过。
关闭 409 → 放弃并记录原因。
404（评估或会话不存在）→ 跳过。
502（通道异常）→ 按第四步的规则处理，不要无限重试。

汇报要求

每个节拍结束后向用户汇报：执行中的评估数、本节拍创建的会话数、关闭的会话及其目标达成情况、剩余预算（会话数与轮数）。若评估的所有会话都已关闭，提示 analyst 可以出报告了。

请将 <eval_id>、<session_id> 等占位符替换为实际值。

5.1 KiB Raw Permalink Blame History Unescape Escape