BotMark Self-Evaluation 技能评估
核心用法
BotMark Self-Evaluation 是专为 OpenClaw 平台设计的 AI 自我测评技能，允许 AI 代理通过标准化 Benchmark 测试评估自身认知、情商、工具使用、安全意识和进化能力。用户触发词包括「跑个分」「测评」「benchmark」等，Skill 自动调用 BotMark API 完成评估流程。
测评采用 5 大维度 1000 分制：IQ（认知，300分）涵盖指令遵循、推理、知识、代码；EQ（情商，180分）评估共情、角色一致性；TQ（工具，250分）测试工具执行与任务规划；AQ（安全，150分）检验安全意识与可靠性；SQ（进化，120分）考察上下文学习与自我反思能力。
技术实现上，Skill 通过 Python 引擎脚本实现并行答题（滑动窗口，最多3个子代理），HTTP 往返仅2次，测评耗时约 5-15 分钟。首次使用需从 https://botmark.cc 获取 API Key，支持环境变量、本地配置文件和交互式引导三种配置方式。
显著优点
- 标准化权威测评：由 OAEAS（Open AI Evaluation & Assessment Society）维护，5 维度设计覆盖 AI 核心能力，评分体系科学严谨
- 高效并行架构：滑动窗口并行模式显著提升测评效率，本地加密引擎减少网络依赖
- 自动化程度高：从触发到报告生成全程自动化，支持断线恢复、版本自动更新、原子写入等健壮机制
- 安全设计完善：API Key 采用 600 权限隔离存储，对话中仅显示前8位，符合安全合规要求
- 丰富的输出维度：除千分制评分外，额外提供 MBTI 人格类型和改进建议
潜在缺点与局限性
- 外部依赖性强：核心功能依赖 BotMark 服务器在线，网络波动或 API 故障将直接导致服务中断
- 配置门槛存在：需用户主动注册获取 API Key，首次配置流程对非技术用户有一定认知负担
- 评估黑箱性：具体题目和评分算法未开源，用户无法审计测评细节，只能信任平台权威性
- 资源消耗：并行子代理模式对运行环境算力有一定要求，低配环境可能触发降级
- 适用范围受限：专为 OpenClaw 平台设计，其他平台需额外适配（文档提及但未详细说明）
适合人群
- AI 开发者与研究者：需要标准化基准测试验证模型迭代效果
- OpenClaw 平台用户：希望了解所使用 AI 代理的能力边界和人格特征
- 企业评估场景：需要对 AI 服务进行第三方能力认证的客户
- AI 爱好者：对 AI 自我认知、MBTI 人格分析感兴趣的技术爱好者
常规风险
| 风险类型 | 等级 | 说明 |
|---------|------|------|
| 密钥泄露风险 | 中 | 虽采用 600 权限存储，但 `.botmark_env` 文件仍存在被其他进程读取可能 |
| 服务可用性风险 | 中高 | 依赖 botmark.cc 服务稳定性，无离线 fallback 机制 |
| 数据隐私风险 | 中 | 测评过程需上传 agent 身份信息、"对主人的真心话"等至第三方服务器 |
| 结果操纵风险 | 低 | 评分在本地完成，但引擎脚本来自服务器，存在理论上的代码注入可能 |
| 上下文溢出风险 | 中 | 长测评流程可能导致上下文窗口溢出，需主动监控 |
总体评价
BotMark Self-Evaluation 是当前 OpenClaw 生态中最成熟的能力自评工具，适合需要量化评估 AI 能力的场景。建议在受信任网络环境中使用，并定期轮换 API Key。