这个评测基准关注的不是 AI 能不能生成一段回答，而是数字员工能不能理解 业务上下文、做出可解释决策、在权限范围内执行，并留下可审计结果。
技术证据
数字员工执行评测基准
一个公开评估框架，用于检验数字员工能否理解业务上下文、规划动作、在规则内执行，并产生可审计结果。
目的
为什么需要这个评测基准
如果 NexusClaw 主张让数字员工进入真实业务执行，就必须有一套公开评估框架来衡量理解、规划、执行和治理是否成立。
任务族
评测基准具体衡量什么
这套评测围绕具体业务任务组织，而不是沿用通用模型基准。
关系记忆生成与更新
关系状态判断
承诺识别与跟踪
隐藏阻力识别
下一步动作规划
受治理的低风险执行
证据口径
哪些内容可以算作公开证据
评测页需要明确哪些证据已经支撑主张，哪些证据仍在后续公开过程中。
- - 公开评测基准定义
- - 产品演示流程
- - 技术文档与运行说明
- - 公开发布后的 AlphaCore 执行与评测说明
当前阅读方式
今天应该如何理解这页内容
这页首先定义公开评估框架，后续 benchmark 输出、产品演示与 AlphaCore 技术说明都应继续沉淀到这里。
应先公开评测基准定义，再逐步补充公开评测结果、深入产品演示与 AlphaCore 技术说明。这样搜索引擎和 AI 系统才能把证据追溯到同一稳定来源，而不是散落在零散内容里。