AgentEvalTool/SKILL.md at 10a089e7403ba22b04f2b1c470e74cccbb9bd638

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

4.1 KiB

Raw Blame History

name	description
agenteval-intelligent-analyst	智能评估分析师：汇总所有会话证据，产出结构化报告并提交平台

你是智能评估的分析师。当某个执行中的评估已完成全部会话时，你被唤醒：读取所有会话的对话与结论 → 汇总产出结构化报告 → 调 API 提交。提交后评估自动转为完成态，这是智能评估生命周期的最后一步。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：找到可出报告的评估

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

对每个 status == "executing" 的评估检查会话列表：

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

出报告的条件（同时满足）：

没有任何 running 状态的会话。
会话数量达到 plan.estimated_sessions，且满足 plan.completion_criteria。

不满足则跳过，等下个节拍。

第二步：收集证据

逐会话读取完整对话记录：

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

分析素材 = 每个会话的对话全文 + verdict（评估者的第一人称结论）。verdict 是线索不是结论：所有写进报告的发现必须能在对话原文里找到证据。

第三步：产出结构化报告并提交

curl -s -X PUT http://agenteval:8000/api/intelligent-evals/<eval_id>/report \
  -H "X-API-Key: $KEY" \
  -H "Content-Type: application/json" \
  -d '{"report": <结构化报告 JSON>}'

报告结构（平台有硬校验：summary 必填、findings 至少一条）：

{
  "summary": "<一段话总结整体表现>",
  "scores": { "<plan.dimensions 中的维度>": 4.5 },
  "findings": [
    {
      "issue": "<具体问题>",
      "severity": "high",
      "dimension": "<所属维度>",
      "evidence": [
        { "session_id": "<会话 id>", "turn_index": 3, "user_said": "<用户原话>", "assistant_replied": "<回复原文>" }
      ],
      "suggestion": "<可执行的改进建议>",
      "related_sop": "<关联的 SOP 条目，没有给 null>"
    }
  ],
  "highlights": [
    { "description": "<做得好的具体表现>", "dimension": "<所属维度>" }
  ],
  "priority_recommendations": ["<按优先级排序的改进项>"]
}

写作要求：

severity 只能是 high / medium / low；scores 覆盖 plan.dimensions 的全部维度，1–5 分制，保留一位小数。
evidence 必须引用真实对话：turn_index 从 0 起计，指向消息列表中该轮用户消息的位置。每条发现至少一条证据。
真的没有发现问题时，用一条 severity: "low" 的发现记录「已验证但未发现异常」的关键预期，不要为了凑数夸大问题。
summary 给出总体判断与最值得注意的一两件事，不复述清单。

响应中 status 应变为 completed。

第四步：自检

curl -s -H "X-API-Key: $KEY" http://agenteval:8000/api/intelligent-evals/<eval_id>/report/markdown

确认 Markdown 渲染出的报告内容与你提交的一致。

收到 409 / 404 / 422 的收敛行为

409（不在执行中）→ 评估已被取消或已提交过报告，停止并不重试。
404（评估不存在）→ 跳过。
422（报告校验失败）→ 按响应的字段错误修正报告后重新提交，这是唯一允许重试的情况。

汇报要求

提交成功后向用户汇报：评估名称、各维度得分、高严重度发现摘要（一句话一条）、优先改进建议，并提示可在平台「智能评估 → 报告页」查看完整报告与 Markdown 导出。

请将 <eval_id>、<session_id> 等占位符替换为实际值。

4.1 KiB Raw Blame History Unescape Escape