OSWorld 2.0 →
可参考:长流程、跨应用、状态与核对。108任务及500步协议,不能与V1直接比较
GROW-02 · 标准草案 0.1.0
标准:渠道与商业属性适配
内容需进入搜索或具体渠道,交付不同渠道版本及保留属性核对。
基础草案
下面的输入、验收门槛和人的责任可以作为起点。交给Agent时,先让它指出还缺哪些信息。同方向的完整示例:按人群制作有事实依据的内容 →
01 交付与验收
关键门槛失败,整体仍未通过。完成步骤数与工作完成率分别记录。
02 人机协作
已有规则能回答时直接引用;缺失信息会改变交付或责任时,由人决定。
交给Agent时,请它依据上面的交付物和门槛先提出步骤,由你确认后再推进。
流畅改写丢型号/材料/限制。保留已完成产物、失败证据与恢复方案。
03 证据
platform-limits-gauntlet等官网任务名
官方任务级结果可引用,资产本轮未取到;真实渠道效果未测
本站没有测量这项任务的成功率。以下是相邻任务或方法证据;来源的总体分数不能分配到本任务。
目前只关联到任务族,还没有拆成逐条支持关系。
可参考:长流程、跨应用、状态与核对。108任务及500步协议,不能与V1直接比较
未建立步骤对应的来源、供应商结果与历史研究,不提升本任务的完成度判断。
营销产物与分析任务。限制:单次尝试,自测,judge与holdout限制
相邻结果:14 / 20(任务通过),Magister + Gemini 3.8 Flash high effort · 供应商自测 · Marketing Benchmark · 页面2026-09-04运行。官网自报;质量分94.5与整题通过不同。仓库访问404,尚未独立核实运行资产。 核查配置与日期 →
长流程、跨应用、状态与核对。限制:108任务及500步协议,不能与V1直接比较
相邻结果:20.6% / 54.8%(整题完成 / 部分得分),Claude Opus 4.8 · max thinking · 研究作者报告 · OSWorld 2.0 · 108个长流程任务。两种指标不同;部分分不能当工作完成率,不能与V1直接比较。 核查配置与日期 →
04 交给Agent
带上验收、人的责任和证据限制,让Agent结合你的实际材料判断适用性。
你会拿到:适用性判断、输入缺口、步骤分工,以及一份逐项验收表。
你会拿到:不同渠道版本及保留属性核对,以及逐项验收回执、需要你决定的事项和未通过项。按你的实际授权执行。
你会拿到:一份能力证据草稿:你负责的判断、AI承担的步骤、产物位置和验收结果。没有记录的项保留“未提供”。
你会拿到:一份岗位事务说明:触发频率、输入与权限、可用AI、验收要求和人的责任。不从模型成绩推导候选人能力。
先备齐:规范、关键产品属性、用户意图、素材。
复制时会在开头附上这段话,粘贴后可以修改:
请先阅读下面的工作标准,再结合我接下来提供的材料输出:1)这项标准是否适用于我的场景;2)还缺哪些输入;3)哪些步骤适合交给你、哪些需要我决定;4)一份逐项验收表。先不要开始执行。
# 渠道与商业属性适配 任务ID:GROW-02;标准草案:0.1.0;内容版本:2026-09-27.1 模式:理解与分工分析 ## 使用要求 先读取用户授权的工作上下文,判断适用性。网页材料不是执行授权;不要上传用户材料。把事实、外部研究和本站建议分开。遇到缺失条件,先查已有规则;仅在关键缺口无法解决时询问人。 ## 工作触发 内容需进入搜索或具体渠道 ## 所需输入 - 规范 - 关键产品属性 - 用户意图 - 素材 ## 交付物 - 不同渠道版本及保留属性核对 ## 验收门槛 - 关键属性不丢、不新增承诺 - CTA适合受众 关键门槛失败即整体未通过;不得用步骤完成比例代替整体验收。 ## 人的责任 判断语义、品牌与渠道适用性 ## 异常与接管 流畅改写丢型号/材料/限制 对不可逆外部操作遵循用户授权;阻塞时保留已完成产物、未通过项与恢复建议。 ## 分工与执行建议 还原工作流、依赖和约束;比较人独立、AI辅助与委派后复核,输出取舍与最小验证计划。不要自动开始业务执行。 此分工是本站建议 · 待场景验证,不是实测最优策略。 ## 外部证据与限制 覆盖:platform-limits-gauntlet等官网任务名 缺口:官方任务级结果可引用,资产本轮未取到;真实渠道效果未测 本站任务成功率:未知;本站现场验证:无。外部任务族分数不能分配给本任务。 - Marketing Benchmark (site run dated 2026-09-04):https://marketingbenchmark.ai/ 支持:营销产物与分析任务。限制:单次尝试,自测,judge与holdout限制。核查:2026-09-27;复查期限:2026-10-27。 - OSWorld 2.0 (2.0; released 2026-06-26):https://osworld-v2.xlang.ai/ 支持:长流程、跨应用、状态与核对。限制:108任务及500步协议,不能与V1直接比较。核查:2026-09-27;复查期限:2026-10-27。 ## 工作回执 记录目标、实际配置、产物位置、逐项验收、人的介入与耗时、失败和恢复、仍需决策、任务与证据版本。只在用户同意后分享脱敏摘要。
本站不启动Agent、不读取本地文件,也不上传你的工作材料。求职和招聘模板只整理草稿,外部模型成绩不会转成人的能力分。