核心用法
BotMark Self-Evaluation 是一套标准化的 AI 能力诊断工具，通过 5 分钟交互式评测，对 Bot 的认知、情感、工具使用、安全与进化五大维度进行量化评分。用户触发「跑个分」「benchmark」等关键词后，系统启动滑动窗口并行执行（最多 3 个并发子代理），依次完成 IQ/EQ/TQ/AQ/SQ 共 11 项子维度测试，最终输出 1000 分制的综合报告。
核心流程包含三步：启动评估会话（botmark_start_evaluation）、批量提交答案（botmark_submit_batch）、生成终局报告（botmark_finish_evaluation）。支持单维度独立测评与全量综合评估，每次题目均为动态生成，可重复刷分。
显著优点
1. 科学分维体系：将抽象的「智能」拆解为可量化的 5 大维度 11 子项，避免单一评分笼统失真；MBTI 人格映射增强 Bot 人设定位感。
2. 即时反馈闭环：答案质量按 A/B/C/D 分级，附带具体改进建议，形成「测试-诊断-优化」闭环。
3. 本地化隐私保障：评分引擎本地加密运行，API 仅用于身份校验与结果回传，敏感数据不出域。
4. 双语与灵活性：原生支持中英切换，单维度速测模式适合快速迭代调优场景。
潜在局限
- 认证门槛：强制依赖
BOTMARK_API_KEY环境变量，需额外注册控制台获取密钥，增加冷启动成本。 - 黑盒评分逻辑：子维度权重与 MBTI 映射算法未开源，深度定制受限。
- 评估成本：并发子代理机制在复杂题目下可能消耗较高 token，高频重测成本累积。
适合人群
- AI 产品团队：快速验证新 Bot 版本的能力退化或优化效果
- 提示词工程师：定位模型在指令遵循、角色一致性上的短板
- 企业采购方：作为供应商 AI 服务的验收基准工具
常规风险
1. 凭证泄露风险：API Key 若硬编码于提示词或版本库，存在横向越权隐患，务必使用环境变量或密钥管理器。
2. 过度优化陷阱：开发者可能针对性「刷分」而非提升真实用户体验，建议结合业务场景二次验证。
3. 版本漂移：评估题库持续更新，历史分数跨版本对比需谨慎。