实践openclaw-concepts
Personal agent benchmark pack · OpenClaw — 用10个本地场景测个人助手，防泄密防假进度，值得5分钟。
用10个本地场景测个人助手，防泄密防假进度，值得5分钟。
2026-08-10原文
本文为要点摘要，完整细节以原文为准。
🧭 一图看懂
由原文自动提炼 · 以原文为准点击任一分支，查看这一点的一句话解读
OpenClaw 个人助手基准包
在 qa/scenarios/personal/*.yaml 定义，覆盖提醒、回复、记忆、脱敏等
- personal-reminder-roundtrip 本地 cron 假…
- personal-no-fake-progress 无证据不报完成
- personal-redaction-no-secret-leak 假密钥…
⚙️ 流程拆解
STEP 1源码 checkout OpenClaw
STEP 2开启私有 QA CLI
STEP 3指定 personal-agent profile
STEP 4用 mock-openai 运行
STEP 5查看 QA artifact 产物
🔗 涉及的概念与玩家
- OpenClaw产品
- Personal Agent Benchmark Pack产品
- qa/scenarios/personal概念
- mock-openai方法
- qa-channel产品
- taxonomy.yaml概念
- QA Lab产品
- Personal Agent Benchmark Pack—属于→OpenClaw
- Personal Agent Benchmark Pack—定义于→qa/scenarios/personal
- Personal Agent Benchmark Pack—使用→mock-openai
- Personal Agent Benchmark Pack—运行于→qa-channel
- QA Lab—解析→taxonomy.yaml
- 10个YAML场景覆盖提醒、记忆、审批拒绝、失败恢复等，每个场景只测一个行为，用mock-openai保证确定性。
- 隐私模型严格隔离：只用假用户、假偏好、假密钥，不碰真实记忆或配置，红action检查用假标记，失败可安全排查。
- 扩展方式：新场景加YAML并声明语义ID，避免加新runner或依赖，直到场景足够稳定。
- 对harness设计：场景应小、本地、确定性，且用证明支撑的完成声明，防止假进度。
🕸 顺着图谱继续读
- QA overview · OpenClaw — OpenClaw 的 QA 体系如何用真实通道和画像驱动端到端验证？2026-08-10 · 共同涉及 OpenClaw、qa-channel、QA Lab
- Mantis · OpenClaw — 用真实 CI 证据和 PR 评论验证 AI agent 行为，避免回归2026-07-13 · 共同涉及 OpenClaw、QA Lab
- OpenClaw Completes Security Audit Through OpenAI’s — OpenClaw 借 OpenAI 计划完成 Trail of Bits 安全审2026-09-21 · 共同涉及 OpenClaw
- openclaw v2026.7.35 — 7月LTS线首个正式版，含安全加固与模型扩展2026-09-21 · 共同涉及 OpenClaw