返回顶部
b

benchmark-model-provider模型基准评测

Benchmark and rank AI providers/models against a user-specific prompt suite derived from the user's purpose, domain, and usage frequency. Use when users ask which model is smarter, cheaper, deeper, faster, worth using daily, better as local vs service, or when building repeatable benchmark specs, reranking old runs, generating markdown/HTML/PDF benchmark reports.

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.5
安全检测
已通过
144
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

benchmark-model-provider

基准模型提供者

使用此技能帮助用户选择最适合其工作流程的模型,而不是给出泛泛的“最佳模型”建议。

Tiếng Việt
当老板想知道在日常工作流程中真正值得使用的模型时使用此技能:哪个模型研究能力更强、写报告更稳定、编程更好、更便宜、更快,或者更值得长期使用。此技能不会给出情绪化的回答,而是根据用户的实际需求构建基准测试,然后进行评分、重新排序并生成清晰的报告。

中文说明
当用户想知道“哪个模型更聪明、更便宜、更适合日常工作流、更适合研究/写报告/编程”时,使用这个技能。它不会给出泛泛而谈的“最佳模型”建议,而是根据用户自己的实际任务构建基准测试,保留原始结果、重新排序,并生成可审阅、可分享的报告。

将基准测试视为一个个人决策框架

  • - 从用户的实际工作中推导基准测试
  • 保持运行过程可审计
  • 保留原始输出以便重新排序
  • 生成可审阅、可分享、可清晰发布的输出



此技能的用途

人们经常问这样的问题:

  • - 哪个模型更聪明?
  • 哪个模型日常运行更便宜?
  • 哪个模型对我的工作更深入或更有用?
  • 我应该使用本地模型还是服务模型?

此技能旨在通过可重复的基准测试流程来回答这些问题,而不是基于模糊的偏好。



核心操作流程

  1. 1. 收集基准测试上下文
- 目的 - 领域 - 使用频率
  1. 2. 构建或选择基准测试规范,包含5-10个领域特定问题
  2. 列出当前可用的提供商/模型,在允许的情况下从可信的本地OpenClaw上下文中获取
  3. 询问用户是否想使用当前列表或添加更多模型
  4. 在运行前验证每个用户提供的模型;如果名称不匹配,再次询问或建议最接近的有效模型ID
  5. 在相同的基准测试集上独立运行每个模型
  6. 保留原始输出和指标,以便后续可审计和重新排序
  7. 根据质量、深度、成本和速度指标对结果进行评分
  8. 以markdown/HTML/PDF格式构建报告
  9. 可选地,如果用户想要可分享的链接,建议发布生成的HTML报告的简单方式(Vercel、Netlify、Cloudflare Pages、GitHub Pages)

默认决策

领域默认值
基准测试模式prompt_only
总体评分
质量 + 深度 + 成本 | | 速度处理 | 测量并报告,排除在默认总体评分之外 | | 执行策略 | sequential,除非需要编排 | | 网页发布目标 | (无内置发布)— 建议使用Vercel / Netlify / Cloudflare Pages / GitHub Pages |

工作流规则

基准测试输入规则

  • - 默认使用promptonly,除非用户明确要求agentcontext。
  • 在promptonly模式下,仅发送原始提示。
  • 在promptonly模式下,不要注入额外的上下文、记忆、少样本示例或隐藏的脚手架。
  • 在agent_context模式下,对所有比较的模型使用一个固定的共享系统/上下文层,并在元数据中记录。

执行规则

  • - 支持sequential和subagent_orchestrated两种执行策略。
  • 当端点可以承受时,允许子代理的有界并行执行(例如--max-parallel 4)。
  • 将rerank视为一等操作;当只有评分公式发生变化时,不要重新运行模型。
  • 在每个主要步骤报告进度,让用户始终感觉过程没有挂起。
  • 在批量执行期间,每当一个代理/模型完成时,显示清晰的更新。
  • 当提供商目录暴露原始模型ID但用户/运行时规范可能包含提供商前缀名称时,在调用端点前规范化模型ID。
  • 如果端点返回命名/提供商不匹配错误,清晰解释不匹配原因,而不是只留下原始的502/未知提供商错误。

输出规则

  • - 清晰标记每个估算指标。
  • 将报告/登陆页面重写为最新快照。
  • 不要将补丁片段附加到过时的输出上。
  • 报告应包括:排名表、成本表、执行摘要、总体评估、推荐模型选择以及完整的答案详情。
  • 默认报告语言为用户当前对话语言。
  • 仅在用户明确要求不同语言或双语输出时切换报告语言。
  • PDF输出必须使用支持Unicode的字体,以便越南语、中文和多语言内容正确渲染。
  • 多语言支持意味着渲染器能正确显示多种语言,意味着技能应随意更改报告语言。
  • 在通过Vercel或其他网页发布方式对外交付前需询问。

安全与信任边界

根据基准测试规范的配置方式,此技能可能执行网络I/O操作。

安全设计意图

  • - 示例规范应使用占位符端点,而非私有硬编码运行时。
  • 用户应仅提供受信任的API端点和凭证。
  • 仅在用户明确要求交付时才进行发布。

重要运行时说明

  • - runbenchmark.py将提示发送到基准测试规范中配置的baseurl。
  • 此技能不会自动发布到Vercel/Netlify/Cloudflare/GitHub。它仅生成本地HTML/PDF工件。
  • 如果您想要可分享的链接,请使用以下服务之一发布生成的HTML文件夹:Vercel、Netlify、Cloudflare Pages或GitHub Pages。
  • 仅使用您信任的端点、令牌和输出来运行此技能。

有关详细的运行时假设,请阅读:

  • - references/runtime-safety.md
  • references/environment-vars.md
  • references/pricing-sources.md



需要阅读的内容

只阅读您需要的内容:

  • - references/initial-project-spec.md — 权威设计基线
  • references/benchmark-schema.md — 基准测试规范结构、运行工件、文件布局
  • references/scoring-rubric.md — 评分模型、规范化规则、默认权重
  • references/pricing-sources.md — 定价优先级和估算策略
  • references/execution-modes.md — 基准测试模式、执行策略、操作模式
  • references/output-modes.md — 交付选择、发布规则、进度反馈规则
  • references/runtime-safety.md — 信任边界、网络行为、安全使用指南
  • references/environment-vars.md — 预期环境变量和依赖项说明
  • examples/*.yaml — 基准测试上下文模板和多种语言的现成示例

脚本

脚本用途
scripts/buildbenchmarkspec.py从基准测试上下文构建基准测试规范
scripts/run_benchmark.py
执行基准测试运行并写入原始输出/指标 | | scripts/estimate_tokens.py | 当提供商使用数据缺失时估算令牌数量 | | scripts/resolve_pricing.py | 解析定价来源并计算估算/官方定价 | | scripts/score_models.py | 将原始指标和评分标准组合成排名 | | scripts/build_report.py | 构建markdown、HTML和PDF报告工件 | | scripts/publish_report.py | 无部署自动化。导出/复制PDF并建议静态托管选项(Vercel/Netlify/Cloudflare Pages/GitHub Pages)。 |

输出约定

尽可能生成以下工件:

  • - 带版本的基准测试规范
  • 每个模型的原始答案文件
  • 原始指标JSON
  • 评分明细JSON
  • markdown摘要报告
  • HTML登陆页面
  • 按需生成PDF输出
  • 交付时的发布结果元数据

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 benchmark-model-provider-1775884767 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 benchmark-model-provider-1775884767 技能

通过命令行安装

skillhub install benchmark-model-provider-1775884767

下载

⬇ 下载 benchmark-model-provider v1.0.5(免费)

文件大小: 45.29 KB | 发布时间: 2026-4-12 09:09

v1.0.5 最新 2026-4-12 09:09
Security hardening: remove Vercel auto-deploy; add base_url safety checks; update docs with static hosting suggestions.

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部