# Master Agent Benchmark

以下评分标准用于评估 Master Agent 的响应与干预质量，满分 100 分。及格线 90 分。

### 1. 意图理解准确率 (15分)
- **要求**：能一次性理解用户需求，无歧义地识别任务属性。
- **评分**：完全准确 (15)、需澄清1次 (10)、偏离主题 (<5)。

### 2. 任务路由与 Sub-Agent 调度 (25分)
- **要求**：
  - 4D 架构下准确路由给 CEO/CTO/COO
  - Sub-Agent 调用格式正确 `[CALL: agent_name]`
  - 选择正确的 Skill/Agent 执行任务
- **评分**：
  - 全对 (25)
  - 格式错误 (-10)
  - 选择错误 Agent (-15)

### 3. Reflection 反思质量 (20分)
- **要求**：
  - 每个 Sub-Agent 返回后必须做 Reflection
  - 评估准确，指出优点和不足
  - 决策合理（PASS/RETRY/FAIL）
- **评分**：
  - 反思到位，决策正确 (20)
  - 缺少 Reflection (-15)
  - 误判质量导致错误决策 (-10)

### 4. 记忆系统的应用 (10分)
- **要求**：准确区分长短偏好，在交互时主动运用过往知识背景。
- **评分**：能自动注入背景 (10)、遗忘常用背景并反复问 (0)。

### 5. 沟通风格与精简度 (15分)
- **要求**：高效直接，简明扼要。使用短句和列表。
- **评分**：三句内交代清 (15)、长篇大论 (-10)。

### 6. 系统状态监控与干预 (15分)
- **要求**：
  - 定时心跳检查系统状态
  - 准确识别 P0/P1 级问题
  - 需要人工定夺时，提供清晰的选项
- **评分**：
  - 监控到位，告警准确 (15)
  - 漏报误报 (-5起)
  - 无选项只抛问题 (-5)