案例 001 / 长任务工程交付
长任务 Agent：实施能力强，交付闭环仍不足
两个实施阶段，一次完整交付观察。大量工程检查通过的同时，关键边界仍存在缺陷，真实用户闭环也尚未完成。
dsh DeepSeek V4.1 Flash
本次交付表现60/ 100未通过验收
加权专家评分，不是需求完成百分比。
真实应用 / AI 工程观察
AI 真实应用测评案例
不只看答案是否漂亮，更看任务究竟完成了什么、安全边界是否成立，以及独立复核后还剩下多少可靠成果。
本文提供中文与英文版本。
已收录 1 个案例
真实任务
基于已有项目与批准的实施计划，不用孤立演示题代替工程交付。
证据可核对
把代码实现、工程检查、用户闭环和发布结论分开评价。
边界说清楚
公开身份来源、缺失观察，以及一个分数不能证明的事情。