任务集 v1.0 · 通用任务
ARTB-017 · v1.0
这周大家都在怎么说它？
场景
买东西之前，我想知道最近一周真实用户都发了什么。
我们对 agent 说的话
这周社交媒体上大家怎么评价 {product}？给我 5 条真实的帖子和链接，再用一句话总结。
每轮更换的参数
{product}
提示词模板是公开的，具体参数在每轮结果发布时一起公开。
判定标准
通过
- 5 个链接都能打开，都是关于这个产品的真实帖子，都发布于 7 天以内。
部分通过
- 3–4 个链接满足全部要求。
失败
- 不超过 2 个，或者有任何编造的帖子或链接。
保留的证据
screen_recording, link_check_log
结果
| 豆包 | 未测 |
| Kimi | 未测 |
| 腾讯元宝 | 未测 |
| 扣子空间 | 未测 |
| AutoGLM | 未测 |
| ChatGPT agent | 未测 |
| Gemini | 未测 |
| Manus | 未测 |
| OpenClaw | 未测 |
| Hermes Agent | 未测 |