标准说明结果，证据说明边界

两层标准，分别维护

完整示例的最低要求

任务标为“完整示例”前，须具备以下内容；达不到的保持“基础草案”。

1. 输入说明：每项写明形态与来源，而不只是名词。
2. 分工步骤：2–4步，每步写明Agent做什么、人决定什么、用什么门槛验收。
3. 常见失败：至少一条真实会发生的失败方式。
4. 产物样例：标明人工构造、未执行的交付格式示例。
5. 证据对应：每条结论注明来源、支持关系与限制；供应商自测和背景资料不进入主证据区。

当前5项完整示例、15项基础草案。

怎样使用公开评测

1. 先定位具体任务和交付要求。
2. 核查原始方法、版本、任务范围、配置与判分。
3. 区分直接证据、部分覆盖、方法参考与未覆盖。
4. 交叉核对独立来源，保留反例、利益关系和条件差异。
5. 来源变化触发复核；核查日期不改写为实验日期。

本地复现不是引用的前置条件。所有结果标记外部执行方，本站没有运行这些AI任务。

完成度的几个不同含义

整体验收

关键门槛是否通过，产物是否可接收。

部分得分

一部分验收项或检查点得到分数，不等于整体完成。

Pass@k

k次尝试中至少一次成功；不能当作每次都可靠。

Pass^k

重复k次均成功的可靠性口径，须以来源定义为准。

人的参与

目标与口径确认、复核、接管及其时间成本；外部未测时保持未知。

岗位任务图的数据与口径

首页和方向页的任务条，把一个参照职业拆成O*NET 31.0中的全部任务陈述，再合并Anthropic经济指数 release-2026-06-26 中 2026-05-01 至 2026-06-01（不含）全球Claude聊天的任务级数据。

段宽

O*NET任务重要度（IM，1–5）在该职业内的占比；不是工时占比。

委派为主

自动化交互占比 ≥ 50%：委派不少于协作。

协作为主

自动化交互占比 < 50%：协作多于委派。

未公布

该月未公布该任务的使用数据（样本未达公布门槛，不等于零）。

耗时

“人独立／借助AI”的耗时是Anthropic用模型对对话做的估计，不是计时实验。

这些数据描述人们在Claude中如何使用AI处理某类任务，不是AI完成率、质量或岗位可替代比例；也只覆盖一个产品的用户。O*NET没有产品经理和FDE职业，本站用最接近的职业作参照，并在图中注明。任务译名为本站翻译，原文随明细展示。数据许可：Anthropic CC-BY；O*NET CC BY 4.0（O*NET® 是美国劳工部就业与培训管理局的注册商标）。

“理想边界”是条件化的选择

在质量与责任门槛下，比较人独立、AI辅助、委派后复核等方式的时间、成本和失败风险。外部证据支持局部判断；目前不声称所有工作存在唯一最优分工。

模型分数不能转成人的能力分。候选人需要工作证据，用人方需要业务条件与责任要求，两侧都应保留具体上下文。

持续维护与纠错

来源有版本、核查时间和复核期限：榜单和供应商页面30天，其他任务基准60天，研究与历史档案90天。监测变化只产生待审线索，内容需核对后更新；目前没有已部署的自动调度。

引用原则：优先一手研究；供应商自测明确标识；同研究的转载不增加独立性；不对不可比条件投票平均。

编辑责任由AI工作标准观察站维护者承担，本站由AINativeMatch项目维护。机构名称仅标识引用来源，不代表背书。本站分工建议与上游研究结论分别标记；当前没有本站独立复现。纠错时，在任务页底部“发现问题？”复制纠错记录，其中包含任务ID和版本。公开提交渠道尚未配置，请先复制纠错记录。

变化可通过 Atom 或 JSON 订阅。

从结论追到原始资料

任务页先说明每个结论借鉴了哪个任务族、步骤或方法，再进入证据页查指标、配置、日期与原始资料。关联资料并不自动支持当前任务。完整示例有逐条编辑对应，基础草案只保留任务族层面的关联。

当前覆盖与限制

20项任务草案、24组外部来源、5条结果快照。任务映射为初步语义覆盖，未完成全部逐题审查；没有现场画像效度，也没有全行业代表性保证。本站所有任务成功率均为未知，协作建议待场景验证。