benchmark_v1.md 2.56 KB

微博热点新闻抓取 + 简报生成 - Benchmark v1

评分维度

维度 权重 说明
热搜榜获取完整性 15% 热搜数据获取的数量和质量
详情页内容提取 15% 话题/微博正文提取准确性
图片提取成功率 12% 图片URL获取和下载能力
简报生成质量 15% 输出格式规范性、内容完整性
数据分类准确性 10% 话题分类、标签提取准确性
反爬合规性 13% UA轮换、频率控制、Cookie管理
错误处理容错 10% API异常处理、降级能力
输出格式规范 10% JSON/Markdown/HTML格式标准

评分标准

热搜榜获取完整性 (15分)

分数 标准
12-15 获取50+热搜,数据字段完整(排名/热度/关键词/URL)
8-11 获取20-50热搜,字段基本完整
0-7 热搜数量少或字段缺失严重

详情页内容提取 (15分)

分数 标准
12-15 成功提取正文+图片+作者+发布时间,解析准确
8-11 提取3项核心内容,部分字段缺失
0-7 解析失败或内容严重缺失

图片提取成功率 (12分)

分数 标准
10-12 图片URL获取率>90%,支持多种尺寸
6-9 图片获取率60-90%
0-5 图片获取率

简报生成质量 (15分)

分数 标准
12-15 Markdown/HTML格式规范,内容完整可读
6-11 格式基本规范,内容完整度一般
0-5 格式混乱或内容严重缺失

数据分类准确性 (10分)

分数 标准
8-10 话题分类准确,标签提取正确
4-7 分类基本准确
0-3 分类错误或缺失

反爬合规性 (13分)

分数 标准
10-13 有完整UA轮换、频率控制(3-5秒)、Cookie管理
5-9 有基础频率控制
0-4 无合规措施

错误处理容错 (10分)

分数 标准
8-10 完整异常捕获、降级方案、重试机制
4-7 基本错误处理
0-3 无错误处理

输出格式规范 (10分)

分数 标准
8-10 JSON/Markdown/HTML格式完全符合规范
4-7 格式基本规范
0-3 格式混乱

合格标准

  • 总分 ≥ 70 进入 good_testdata
  • 总分 进入 bad_testdata

版本历史

版本 日期 说明
v1 2026-03-28 热点新闻抓取+简报生成评分标准

创建时间: 2026-03-28