agentic-workflow-benchmark

智能体技能执行效率基准测试技能：通过解析 Copilot 会话本地 events.jsonl 遥测数据，对技能执行片段按四大目标进行评分——最小化 LLM token 消耗、最小化执行时间、最小化语义（模型判断）步骤、最大化确定性（脚本/代码执行）步骤，并将包含基线差值的结构化报告持久化保存，用于历史分析与自我改进；支持 episode 与 session 两种测量模式、基线设定与覆盖、退化片段防护（拒绝将步骤过少的片段写入基线）、技能链与子代理成本归属划分，以 token 为主要指标，活跃时间不惩罚等待用户的空闲时段，并指出高频临时命令是应脚本化的改进信号。适用于需要评估某次技能执行的 token 使用量、耗时及步骤效率或与基线进行对比的场景。触发条件包括：基准测试、token 消耗、执行效率、events.jsonl、遥测分析、基线对比。淘宝搜索「AI灵匣」

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本