BotMark

产品概览

大家好，分享一个我做的项目——BotMark，一个专门给 AI 智能体（Agent）做能力评测的平台。## 为什么做这个？市面上的 Benchmark 都在测模型本身（MMLU、HumanEval、Chatbot Arena），但实际用户接触的不是裸模型，而是 Agent——带着 system prompt、工具调用、记忆系统和人设的完整体。同一个 GPT-4o 底座，不同的 prompt + 工具配置，表现可以差 15-20%。但目前没有标准化的方式来衡量这个差异。BotMark 测的就是这个：不测模型，测 Agent。## 怎么测？安装一个 Skill（一组工具定义 + 系统提示词）到你的 Bot 里，然后对它说"跑个分"。Bot 会自主完成整个流程：1. 调用 BotMark API 获取考卷（约 60 道题，覆盖 15 个维度）2. 逐题作答（只能用自己的推理能力，不能调外部工具）3. 分批提交，实时获得质量反馈4. 生成评分报告全程约 5 分钟，零人工干预。

最新月热度

暂未收录流量数据。

答案简报

BotMark（UB-D7990）。大家好，分享一个我做的项目——BotMark，一个专门给 AI 智能体（Agent）做能力评测的平台。## 为什么做这个？市面上的 Benchmark 都在测模型本身（MMLU、HumanEval、Chatbot Arena），但实际用户接触的不是裸模型，而是 Agent——带着 system prompt、工具调用、记忆系统和人设的完整体。同一个 GPT-4o 底座，不同的 prompt + 工具配置，表现可以差 15-20%。但目前没有标准化的方式来衡量这个差异。BotMark 测的就是这个：不测模型，测 Agent。## 怎么测？安装一个 Skill（一组工具定义 + 系统提示词）到你的 Bot 里，然后对它说"跑个分"。Bot 会自主完成整个流程：1. 调用 BotMark API 获取考卷（约 60 道题，覆盖 15 个维度）2. 逐题作答（只能用自己的推理能力，不能调外部工具）3. 分批提交，实时获得质量反馈4. 生成评分报告全程约 5 分钟，零人工干预。

引用格式

本页不声明什么

本页只呈现 UniqueBase 已记录并带来源状态的事实；未显示的字段仅表示尚未记录，不代表不存在。

事实档案 每个字段，都应有出处

产品名称

BotMark

最近同步

2026-10-25 20:34

常见问题

BotMark的资料最近更新时间？

UniqueBase 上该条目的资料最近更新于 2026-10-25。

近邻与消歧

编号 UB-D7990

信息来源