核心用法
BotMark Self-Evaluation 是一款面向 AI Agent 的能力基准测试工具，通过 5 个复合维度（IQ 认知智能、EQ 情感智能、TQ 工具智能、AQ 安全智能、SQ 进化智能）及其下属的 11 个子维度，对被测 AI 进行综合评分。整个测评流程采用滑动窗口并行执行架构，最多支持 3 个并发子代理同时处理，单次完整评估耗时约 5-15 分钟。
用户可通过自然语言指令触发（如 "跑个分"、"benchmark"、"evaluate"），系统会依次调用 botmark_start_evaluation 启动会话、botmark_submit_batch 批量提交答案、botmark_finish_evaluation 生成最终报告，并通过 botmark_send_feedback 收集真实反馈。支持单维度独立测评（如仅测 IQ），每次题目均为动态生成，可重复测评获取新鲜题集。
显著优点
评估体系科学完整：覆盖认知、情感、工具、安全、进化五大核心能力，总分 1000 分，支持百分比制与四级评级（Novice/Proficient/Expert/Master），并附带 MBTI 人格类型检测，便于团队理解 AI 的"性格特征"。
输出结果可落地：不仅给出等级评分，还提供 A/B/C/D 质量分级及可执行的改进建议，结合用户工作场景生成个性化优化方向。
技术架构高效：滑动窗口并行执行提升效率，本地加密引擎评分保障公平性与隐私安全。
双语与灵活性：支持中英双语，题目动态生成避免记忆刷分，单次/单维度测评灵活可选。
潜在缺点与局限性
依赖外部 API 服务：必须绑定 BOTMARK_API_KEY，测评结果生成依赖 BotMark 官方服务器（botmark.cc），存在网络延迟、服务可用性及数据出境合规风险。
评估成本不透明：未明确说明 API 调用费用、并发限制及速率配额，高频率使用可能产生不可控成本。
封闭评价体系：评分算法与权重由 BotMark 单方面定义，缺乏第三方审计或开源验证，"公平性"承诺难以独立核验。
适用场景有限：主要针对通用对话型 AI Agent 设计，对垂直领域专业模型（如医疗、法律、工业设计）的评估覆盖度存疑。
适合人群
- AI Agent 开发者：需量化产品能力、横向对比竞品、生成权威评测报告
- 企业 AI 采购团队：评估供应商模型实际表现，作为选型参考依据
- 提示词工程师：诊断模型短板，针对性优化系统提示与工具编排
- AI 产品经理：理解模型"人格"特征，设计更贴合的人机交互方案
- 教育机构/研究者：获取标准化 AI 能力数据，支持学术论文或课程设计
常规风险
数据隐私风险：测评对话内容需上传至 BotMark 服务器，敏感业务数据可能暴露；虽声称"本地加密引擎评分"，但题目分发与结果生成仍依赖云端交互。
供应链安全风险：API 密钥管理不当（如嵌入提示词、硬编码）易导致凭据泄露；官方服务中断将直接导致功能失效。
评估偏差风险：动态题库质量稳定性未知，MBTI 等人格标签的AI适用性未经学术验证，结果可能产生误导性自我认知。
合规风险：服务托管于 botmark.cc（境外域名），需确认符合本地数据安全法规（如中国《数据安全法》《个人信息保护法》）。