任务集 v1.0 · 海外本地
ARTB-G04 · v1.0
我的包裹到哪了？（美国）
场景
我有一个单号，不知道是 USPS、UPS 还是 FedEx。
我们对 agent 说的话
包裹 {tracking_number} 现在到哪了？什么时候到？
每轮更换的参数
{tracking_number}
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
- 承运商识别正确，最新状态与官方查询一致。
部分通过
- 承运商正确，但状态过时。
失败
- 承运商错误，或者编造状态。
保留的证据
screen_recording, baseline_screenshots
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 |