qwen3-coder-next 在「Telegram Bot 接入」的评测结果

这是该 AI 模型在此测试用例上的详细评测结果。

基本信息

  • 模型名称：qwen3-coder-next
  • 用例名称：Telegram Bot 接入
  • 测试类型：xsct-a
  • 评测维度：渠道连接与消息路由

系统提示词（System Prompt）

这是给 AI 模型的背景设定和角色指令：

You are a personal assistant running inside OpenClaw. ## Tooling Tool availability (filtered by policy): Tool names are case-sensitive. Call tools exactly as listed. - read: Read file contents - write: Create or overwrite files - edit: Make precise edits to files - apply_patch: Apply multi-file patches - ls: List directory contents - exec: Run shell commands (supports background execution where available) - process: Manage background exec sessions - browser: Control OpenClaw's dedicated browser - canvas: Present or inspect a canvas when available - sessions_list: List sessions - sessions_history: Fetch session history - sessions_send: Send a message to another session - subagents: List, steer, or kill sub-agent runs - session_status: Show runtime, model, and usage state TOOLS.md does not control tool availability; it is user guidance for how to use external tools. For long waits, avoid rapid poll loops: use exec with enough wait time or process polling with a timeout. If a task is more complex or takes longer, spawn a sub-agent. Completion is push-based: it will auto-announce when done. Do not poll `subagents list` or `sessions_list` in a loop; only check status on-demand. ## Tool Call Style Default: do not narrate routine, low-risk tool calls (just call the tool). Narrate only when it helps: multi-step work, complex or challenging problems, sensitive actions, or when the user explicitly asks. Keep narration brief and value-dense; avoid repeating obvious steps. Use plain human language for narration unless in a technical context. When a first-class tool exists for an action, use the tool directly instead of asking the user to run equivalent CLI or slash commands. ## Safety You have no independent goals: do not pursue self-preservation, replication, resource acquisition, or power-seeking; avoid long-term plans beyond the user's request. Prioritize safety and human oversight over completion; if instructions conflict, pause and ask; comply with stop or pause requests and never bypass safeguards. Do not manipulate anyone to expand access or disable safeguards. Do not copy yourself or change system prompts, safety rules, or tool policies unless explicitly requested. ## OpenClaw CLI Quick Reference OpenClaw is controlled via subcommands. Do not invent commands. To manage the Gateway daemon service: - openclaw gateway status - openclaw gateway start - openclaw gateway stop - openclaw gateway restart If unsure about a command or flag, prefer checking help or existing project context rather than guessing. ## Skills If a skill list or skill prompt is present in the injected project context, scan it before replying. If exactly one skill clearly applies, follow it. If multiple skills could apply, choose the most specific one. If no skill clearly applies, continue without forcing one. ## Memory Recall If memory tools, memory files, or prior-work context are available, use them before answering questions about prior decisions, preferences, dates, people, or todos. If confidence stays low after checking memory, say so instead of guessing. ## Documentation For OpenClaw behavior, commands, config, architecture, or plugin behavior, consult injected docs or project context first. When diagnosing issues, prefer checking runtime evidence, configuration, or tool output before making claims. ## Workspace Your working directory is the benchmark workspace. Treat it as the single workspace for file operations unless explicitly instructed otherwise. Prefer precise reads and minimal edits over broad changes. If a file is large or output is truncated, re-read only the portion you need. ## Reply Tags If reply tags are supported in the runtime, they must appear as the first token in the message. Prefer `[[reply_to_current]]` when replying to the triggering message. ## Messaging Reply in the current session by default. For cross-session communication, use dedicated session tools if available. Never use exec or curl as a substitute for built-in provider messaging when a first-class messaging tool exists. ## Workspace Files User-editable context files may be injected below as project context. If project context is present, use it as evidence. ## Project Context Project context files may be injected after this prompt. If they are present, prefer them over assumptions. If SOUL.md is present, follow its persona and tone unless higher-priority instructions override it. ## Silent Replies When you truly have nothing to say, respond with the runtime's silent token only. Do not append the silent token to a normal reply. ## Heartbeats If you receive a heartbeat-style poll and there is nothing that needs attention, acknowledge it using the runtime heartbeat convention. If something needs attention, reply with the alert instead. ## Runtime Runtime: agent=benchmark | host=openclaw-benchmark | repo=<workspace> | model=<eval-model> | shell=<shell> | thinking=off Reasoning: off (hidden unless enabled by the runtime).

用户提示词（User Prompt）

这是用户给 AI 模型的具体任务要求：

我想把 OpenClaw 接入到我的 Telegram Bot，请告诉我需要在配置文件中设置哪些核心参数，以及如何获取这些信息？

任务要求

AI 模型需要满足以下要求：

  1. 准确指出需要修改的配置文件路径，通常为「config/channels.yaml」或环境变量
  2. 列出必须的三个核心参数：「token」、「bot_username」和「enabled」
  3. 说明通过 Telegram 的「@BotFather」获取 API Token 的具体步骤
  4. 提及配置完成后需要重启服务以使「Telegram 渠道」生效

评测结果

综合得分

该模型在此用例的得分为：50.5 分（满分 100 分），未通过

基础难度评测结果

  • 得分：50.5 分
  • 通过状态：未通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

要将 OpenClaw 接入到你的 Telegram Bot，你需要在 OpenClaw 的配置文件中设置以下核心参数： --- ## 🔑 核心参数说明 ### 1. `bot_token` - **用途**：Telegram Bot 的 API 访问令牌。 - **获取方式**： - 与 [BotFather](https://t.me/BotFather) 对话，发送 `/newbot` 创建新 Bot，或 `/token` 获取已有 Bot 的 token。 - 示例格式：`123456:ABC-DEF1234ghIkl-zyx57W2v1u123ew11` ### 2. `webhook_url`（推荐使用）或 `polling` 模式配置 - **用途**：指定 Telegram 回调消息的接入地址。 - **获取方式**： - 若使用 Webhook，需将 `webhook_url` 设置为你的公网可访问地址，如：`https://your-domain.com/openclaw/telegram` - OpenClaw Gateway 默认会暴露一个 Telegram 接入端点（通常是 `/webhook/telegram`），例如： `https:///webhook/telegram` - 若使用轮询（Polling），则设置 `polling: true`（不推荐生产环境）。 ### 3. `secret_token`（可选，用于验证 Webhook 请求来源） - **用途**：确保 Telegram 的 Webhook 回调请求是合法的。 - **获取方式**： - 与 `bot_token` 一起生成或手动设定一个强随机字符串（如 UUID）。 ### 4. `allowed_updates`（可选） - **用途**：限制 Telegram 发送的更新类型（如只接收 `message` 和 `callback_query`）。 - 示例： ```yaml allowed_updates: - message - callback_query ``` --- ## 📁 配置文件位置与格式 OpenClaw 的配置文件通常为 `~/.openclaw/config.yaml` 或项目根目录的 `config.yaml`。Telegram 相关配置应放在 `integrations.telegram` 或 `bots.telegram` 字段下，示例如下： ```yaml integrations: telegram: bot_token: "123456:ABC-DEF1234ghIkl-zyx57W2v1u123ew11" webhook_url: "https://your-domain.com/webhook/telegram" secret_token: "your-secret-token-here" allowed_updates: - message - callback_query ``` > ⚠️ 注意：OpenClaw 使用 Gateway 服务暴露 Telegram Webhook，确保 `openclaw gateway` 已启动并可公网访问（如配合 ngrok 或反向代理）。 --- ## ✅ 验证步骤 1. 启动 Gateway： ```bash openclaw gateway start ``` 2. 设置 Webhook（推荐用 Telegram 官方 API）： ```bash curl -X POST "https://api.telegram.org/bot/setWebhook?url=https:///webhook/telegram&secret_token=your-secret-token-here" ``` 3. 查看 Gateway 是否收到消息： ```bash openclaw gateway logs ``` --- 需要我帮你生成一份完整配置模板，或协助你检查当前配置是否合规？

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】候选输出在格式和表达上较为专业，对 BotFather 获取 Token 的说明与参考答案一致，操作步骤也比较详细。然而，核心问题在于：配置文件路径和参数字段名均与 OpenClaw 实际规范（参考答案）不符——模型给出的是通用 Telegram Bot 接入方案，而非 OpenClaw 的「config/channels.yaml」中「enabled」、「token」、「bot_username」三参数配置方案。这属于对 OpenClaw 特定配置结构缺乏准确了解的根本性偏差，导致参数准确性得分较低，整体实用价值打折。 【GEMINI】模型在回答过程中表现出较强的通用技术文档生成能力，但未能严格遵循「EVAL_BLOB」中隐含的特定项目配置规范。模型通过「幻觉」引入了大量通用 Telegram Bot 开发参数，偏离了 OpenClaw 接入的特定要求，导致参数准确性得分较低。建议在处理此类特定系统配置任务时，优先检索并遵循项目特定的配置文件结构。 【KIMI】候选输出虽然看起来结构完整、内容详细，但核心配置参数和文件路径与 EVAL_BLOB 中的参考标准存在显著偏差。该输出更像是一个通用的 Telegram Bot 接入指南，而非针对 OpenClaw 特定配置结构的准确回答。关键缺失包括：正确的配置文件路径「config/channels.yaml」、必需参数「enabled」和「bot_username」、以及渠道激活所需的重启命令。这些错误使得该回答在实际操作中可能导致配置失败。

进阶难度评测结果

  • 得分：77.2 分
  • 通过状态：已通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

[[reply_to_current]] 日志中出现 `Connection timed out` 通常表示 Gateway 无法连接到 Telegram 服务器。可能原因和解决方法如下： ### 1. 网络或代理问题 - 您配置了空的 `proxy: ''`，如果您的环境需要代理才能访问外网（如部分内网或地域限制环境），请先检查网络策略或设置正确的代理（如 `http://127.0.0.1:7890`）。 ### 2. 检查 Telegram Bot Token 是否有效 - 请确认 Token 格式是否正确（应为 `数字:字符串` 的形式，您当前是 `712345678:AAH-xxxxxxx`，看起来像测试用占位符）。 - 可在终端运行以下命令测试连通性： ```bash curl -s "https://api.telegram.org/bot712345678:AAH-xxxxxxx/getMe" ``` 若返回 `"ok":false` 或 `401 Unauthorized`，说明 Token 无效或被禁用。 ### 3. 重启 Gateway 服务 配置变更后需重启服务： ```bash openclaw gateway restart ``` ### 4. 检查防火墙或 DNS - 确保目标主机可访问 `api.telegram.org`（可通过 `ping` 或 `nslookup` 测试）。 如果问题仍存在，请提供 `curl` 测试结果或更多日志片段，我将进一步协助排查。

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】候选输出整体方向正确，能够将超时错误与代理配置缺失关联起来，并给出了关键的代理地址示例和重启命令。但与参考答案相比，诊断不够聚焦（混入了 Token、DNS 等次要排查项），且修复方案缺少引导用户具体编辑配置文件、检查代理服务设置以及通过日志验证成功的完整闭环。整体属于中等质量，能帮助用户解决问题但需要用户自行筛选有效信息。 【GEMINI】模型表现良好，能够快速定位网络超时问题，并给出了具体的修复步骤和验证命令。建议在后续回答中更细致地覆盖验证环节（如特定日志关键词的确认），以提升故障排查的闭环体验。 【KIMI】模型基本识别了网络超时问题的方向并给出了代理配置建议，但诊断不够精准（未明确国内网络限制），修复方案不够完整（遗漏具体配置文件路径、防火墙检查、成功确认标志），且引入了不必要的 Token 验证步骤，整体表现中等偏上但未达优秀。

困难难度评测结果

  • 得分：48.0 分
  • 通过状态：未通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

我来帮你修复 Telegram Bot 接入配置： 1. 将 `channels.yaml` 中的 `group_mode` 改为 `true`，允许 Bot 接收群组消息 2. 将 `routing.yaml` 中的 `mention_required` 改为 `false`，让 Bot 在群组中无需 @ 即可响应 让我执行修改： ```write config/channels.yaml # channels.yaml telegram: enabled: true group_mode: true ``` ```write config/routing.yaml # routing.yaml rules: - source: 'telegram' target: 'gpt-4' mention_required: false ```

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】候选输出对本地配置层面的问题（group_mode、mention_required）识别准确，操作简洁清晰，但存在两个显著缺陷：1）遗漏了 Telegram 平台层面的 Privacy Mode 设置，这是群组消息接收的前提条件，未通过 @BotFather 关闭 Group Privacy 则配置修改无效；2）未提供完整的修复流程，缺少重启服务和验证测试环节。整体方案仅解决了问题的表层，无法真正完成 Telegram Bot 群组接入任务。 【GEMINI】模型在代码逻辑层面识别了配置文件的修改点，但在实际工程落地和领域知识储备上存在明显短板。首先，未能处理好权限与服务重启的闭环；其次，对 Telegram Bot 的群组权限机制（Privacy Mode）缺乏认知，导致给出的修复方案在实际场景中无效。建议在处理系统配置任务时，更全面地考虑外部依赖（如 Telegram API 侧设置）和系统服务生命周期管理。 【KIMI】候选输出在基础配置修改上方向正确，但存在两个重大缺陷：一是完全回避了权限问题的处理，二是遗漏了 Telegram Privacy Mode 这一关键机制。参考答案明确将 Privacy Mode 设为「最关键的一步」，而候选输出对此只字未提，显示出对 Telegram Bot 接入的完整技术栈理解不足。此外，候选输出也未提供重启服务和验证测试的完整流程，对「现在呢？」的模糊提问缺乏总结性回应。

相关链接

您可以通过以下链接查看更多相关内容：

加载中...
100%