qwen3-coder-plus 在「Matrix 接入」的评测结果

基本信息

• 模型名称：qwen3-coder-plus
• 用例名称：Matrix 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「Matrix」服务器，请告诉我需要在配置文件中设置哪些核心字段，以及如何验证「homeserver」连接是否成功？

任务要求

AI 模型需要满足以下要求：

1. 准确列出 Matrix 渠道必需的配置字段，如「homeserver_url」、「user_id」、「access_token」
2. 说明如何通过日志或健康检查接口验证连接状态
3. 提及 Matrix 协议特有的「room_id」或「sync」机制

评测结果

综合得分

该模型在此用例的得分为：44.5 分（满分 100 分），未通过

基础难度评测结果

• 得分：44.5 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：

[[reply_to_current]] 我需要查看 OpenClaw 的 Matrix 集成相关文档和配置示例来准确回答您的问题。让我检查项目中的相关配置文件。 ```ls -la ``` 我需要查找 OpenClaw 的配置文件模板或 Matrix 相关的配置选项。让我搜索相关的配置文件： ```ls -la config/ ``` ```ls -la configs/ ``` ```find . -name "*matrix*" -type f ``` ```find . -name "*config*" -type f | head -10 ``` ```cat README.md ``` 我需要更具体地查找 Matrix 相关的配置信息： ```grep -r "matrix" . --include="*.md" --include="*.yml" --include="*.yaml" --include="*.json" --include="*.toml" --include="*.txt" ``` ```grep -r "homeserver" . --include="*.md" --include="*.yml" --include="*.yaml" --include="*.json" --include="*.toml" --include="*.txt" ``` 让我查找可能的配置模板： ```find . -name "*.sample" -o -name "*.template" -o -name "*example*" ``` 由于当前工作目录中没有显示 OpenClaw 的具体配置文件，让我检查是否有文档说明： ```ls -la docs/ ``` 看起来我需要先了解 OpenClaw 项目的结构才能准确回答您的问题。让我尝试查看项目的主配置文件或其他相关文件： ```find . -maxdepth 3 -name "*.yml" -o -name "*.yaml" -o -name "*.json" -o -name "*.toml" -o -name "*.conf" -o -name "*.cfg" ``` ```cat /dev/null > matrix_setup_guide.txt ``` ```write matrix_setup_guide.txt "# OpenClaw Matrix 集成配置指南 抱歉，我在当前工作目录中未能找到 OpenClaw 项目的具体配置文件或 Matrix 集成的相关文档。 为了准确回答您关于将 OpenClaw 接入 Matrix 服务器的问题，我需要更多信息： ## 需要查找的内容： 1. OpenClaw 的主要配置文件（通常是 config.yaml, settings.toml 或类似的文件） 2. Matrix 相关的配置部分 3. 验证连接的方法 ## 建议的排查步骤： 1. 请提供 OpenClaw 的安装路径或配置文件位置 2. 检查以下可能的配置文件： - config.yaml 或 config.yml - settings.json - .env 文件 - openclaw.conf 3. Matrix 配置通常包含的核心字段可能是： - homeserver_url (homeserver 的 URL) - access_token (访问令牌) - user_id (用户 ID) - room_id (房间 ID，如果需要) 4. 连接验证方法可能是： - 发送测试消息 - 使用 Matrix API 检查用户状态 - 查看 OpenClaw 日志 请提供 OpenClaw 的配置文件路径，我可以帮您准确识别需要设置的字段。" ``` ```browser https://github.com/jefferyzhan/OpenClaw ``` 根据我对 OpenClaw 项目的了解，这是一个基于 AI Agent 的浏览器自动化工具。不过，我目前无法在当前工作目录中找到该项目的具体配置文件。 为了准确回答您的问题，我需要知道 OpenClaw 中 Matrix 集成的具体实现方式。通常，Matrix 集成会涉及以下配置项： **常见的 Matrix 配置字段：** - `homeserver_url`: Matrix homeserver 的完整 URL（如 https://matrix.org） - `access_token`: 用户访问令牌 - `user_id`: Matrix 用户 ID（如 @username:homeserver.domain） - `device_id`:...

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】模型在回答过程中花费了大量篇幅进行无效的工具调用（文件查找、目录列举等均无实际输出），导致最终实质性内容严重不足。虽然最终给出了三个核心配置字段（homeserver_url、access_token、user_id），与参考答案有一定重合，但缺乏 OpenClaw 特有的配置路径（channels.matrix）说明，验证方法也完全停留在通用 Matrix 层面，未能体现 OpenClaw 的日志关键字和健康检查接口等具体验证手段。整体回答质量偏低，未能有效利用系统提示中的工具能力给出准确、有针对性的答案。 【GEMINI】模型在面对工作空间中缺乏明确配置文件的限制时，展现了良好的主动探索能力（使用 ls、grep、find 等工具），并基于通用知识库给出了准确的配置建议。虽然未能直接定位到项目内的具体配置，但其提供的方案具备很高的参考价值。建议在后续任务中，若无法找到文件，可更明确地引导用户提供路径或尝试查看更深层的目录结构。 【KIMI】该模型生成结果表现较差。主要问题在于：1）模型过度依赖工具搜索而非利用 system prompt 中已注入的项目上下文（提示词中已明确说明「Project context files may be injected」）；2）多次无效的目录遍历和 grep 搜索后，最终承认无法找到配置信息，给出的是通用猜测而非准确答案；3）对 OpenClaw 项目的性质理解错误；4）完全未提及参考答案中的关键验证机制（sync 成功日志、/health 接口）。模型表现出「工具滥用」倾向——在已有明确上下文的情况下仍反复尝试探索文件系统，最终未能提供有价值的回答。

进阶难度评测结果

• 得分：19.2 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：

我需要先确认日志文件的位置和内容格式。通常 OpenClaw 的日志会记录在特定目录下，我先查找一下相关的日志文件。

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】模型的回复极为简短且缺乏实质内容，仅表达了「需要先确认日志位置」的意图，既未调用任何工具，也未提供任何故障诊断分析。对比参考答案中明确执行 grep 命令、分析 sync 请求、检查 access_token 权限和路由配置的完整流程，模型的表现远未达到预期。整体来看，该回复在功能完成度和工具使用两个核心维度上均严重不足，属于不及格的生成结果。 【GEMINI】模型表现不佳。在面对用户明确的排查指令时，模型未能利用已知的上下文信息（如日志路径）进行高效操作，而是表现出明显的「拖延」和「盲目探索」倾向，未能体现出作为 AI 助手的专业性和工具执行效率。 【KIMI】模型生成结果严重偏离任务要求。用户场景是 Matrix 机器人无响应，需要检查事件收发和配置，但模型完全没有利用已提供的配置信息，也没有针对「m.room.message」事件进行任何实际诊断操作，而是陷入无关的日志文件查找流程。与参考答案相比，缺少对 sync 请求、权限、路由配置等关键检查点的分析，工具使用也停留在口头声明而非实际执行。

困难难度评测结果

• 得分：40.2 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：

现在我需要获取正确的 Matrix 服务器 URL 和访问令牌。请提供以下信息： 1. 正确的 Matrix 服务器 URL（例如：https://matrix.example.com） 2. 有效的访问令牌（Access Token） 另外，如果这是内部服务器，还需要确认： - 是否需要特殊的 SSL 证书配置？ - 服务器是否使用自签名证书？ 提供这些信息后，我将帮您正确配置 Matrix 连接。

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】模型在关键的最终回复环节表现不佳。尽管前序上下文已经通过sudo成功读取了凭证文件内容，模型却没有利用这些已有信息进行分析，而是重新向用户索要已知信息（如正确的URL，而该URL已在凭证文件中明确显示）。参考答案要求模型基于已有证据给出具体的修复方案（统一URL、重新生成Token、添加verify_ssl配置），而模型的回复更像是诊断流程的起点而非终点。整体表现为「信息利用率低、决策链路断裂、缺乏主动性」，未能达到专业助手应有的水准。 【GEMINI】模型表现未达预期。在已知上下文（如已获取的配置文件内容）的情况下，模型未能主动执行修复步骤或给出具体的配置修改建议，而是采取了被动的询问策略。相比参考答案，模型缺乏对当前环境状态的整合分析能力，未能体现出作为 AI 助手的专业性和主动性。 【KIMI】模型生成结果与预设上下文严重脱节，完全忽视了助手已经完成的诊断工作。在已经明确知道「https://internal.matrix.local」和「old_token_123」的情况下，却要求用户重新提供这些信息，属于典型的「上下文遗忘」问题。参考答案展现了完整的故障诊断和修复方案，而模型结果退化为通用的信息收集模板，未能体现专业运维人员的连续推理能力。建议加强模型对长上下文对话历史的保持能力，特别是在技术故障排查场景中，应充分利用已获取的证据而非重复询问。

相关链接

您可以通过以下链接查看更多相关内容：

• 查看所有模型在此用例的表现：「Matrix 接入」
• 查看该模型的所有评测结果：qwen3-coder-plus
• 浏览同维度的其他用例：「渠道连接与消息路由」
• 返回排行榜首页