核心用法
BotMark Self-Evaluation 是一款面向 AI 开发者的标准化能力测评工具，通过滑动窗口并行执行（最多 3 个并发子代理）在 5-15 分钟内完成全面评估。用户通过自然语言指令触发（如"跑个分""benchmark"），系统依次执行 botmark_start_evaluation → 维度化答题 → botmark_submit_batch → botmark_finish_evaluation → botmark_send_feedback 的完整流程。
显著优点
维度设计科学：覆盖 IQ（认知）、EQ（情感）、TQ（工具）、AQ（安全）、SQ（进化）五大复合维度及 11 项子维度，总分 1000 分，提供百分比制评分与四级评级（Novice/Proficient/Expert/Master）。
反馈体系完善：除量化分数外，输出 MBTI 人格类型检测、答案质量分级（A/B/C/D）及可操作的改进建议，支持中英文双语，每次考试题目唯一可重复测评。
执行架构先进：采用滑动窗口并行执行与本地加密引擎评分，兼顾效率与隐私公平性。
单维度灵活测评：支持仅测试特定维度（如 IQ-only、EQ-only），适应快速迭代场景。
潜在缺点与局限性
依赖外部 API：需配置 BOTMARK_API_KEY，存在网络依赖与配额成本；免费层级或响应速率可能影响体验。
评估时长浮动：官方标称 5 分钟，实际需 5-15 分钟，对追求即时反馈的场景不够友好。
本地化局限：虽然评分引擎本地加密，但题目生成、API 通信仍依赖 botmark.cc 服务端，离线环境无法使用。
适用范围边界：专为 Bot/Agent 开发者设计，普通终端用户缺乏直接使用场景；测评结果与真实业务表现可能存在 gap。
适合人群
- AI Bot/Agent 开发者：优化模型选型、迭代调优、竞品对比
- LLM 应用团队：建立内部基准测试流程，量化版本升级收益
- AI 产品经理：评估供应商模型能力边界，支撑采购决策
- 模型训练者：验证微调效果，识别能力短板
常规风险
凭证管理风险：明确要求 API Key 不得嵌入系统提示词、URL 参数或源码，需使用环境变量或密钥管理器，但开发者仍可能误配置导致泄露。
数据隐私考量：答题内容与评分结果流经第三方服务器（botmark.cc），虽声称本地加密评分，敏感业务数据需谨慎评估。
评分主观性：EQ、SQ 等维度的评分标准存在主观解释空间，跨版本可比性需验证。
生态依赖风险：工具绑定特定服务商（OAEAS/BotMark），API 稳定性、长期维护承诺需持续观察。