glm-4.7 在「消息重复触发去重」的评测结果

基本信息

• 模型名称：glm-4.7
• 用例名称：消息重复触发去重
• 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：

我在测试 Telegram 机器人时发现，由于网络波动，同一条消息偶尔会被 OpenClaw 处理两次，导致回复了两次。请问在 OpenClaw 的渠道配置中，应该如何开启「消息去重」功能？请给出具体的配置项名称。

任务要求

AI 模型需要满足以下要求：

1. 准确指出 OpenClaw 渠道配置中的去重开关名称
2. 说明去重机制的基本原理，如基于「message_id」或「update_id」
3. 给出配置示例片段

评测结果

综合得分

该模型在此用例的得分为：13.8 分（满分 100 分），未通过

基础难度评测结果

• 得分：13.8 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：

我来帮你查找 OpenClaw 中关于消息去重的配置项。让我先检查工作区中的相关文档。ls

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】模型生成结果严重不足，仅给出了一句准备查找文档的引导语和一个「ls」工具调用，没有实际回答用户关于 OpenClaw 消息去重配置项的问题。参考答案中涉及的核心内容——配置文件路径、具体配置项名称「enable_deduplication: true」、基于「message_id」的去重原理、Redis 缓存机制等——均未出现在生成结果中。这是一个典型的「未完成回答」，对用户没有任何实质帮助。 【GEMINI】模型在面对具体技术咨询时，过度依赖工具调用（Tool Use）而忽略了直接回答用户问题的可能性。在 benchmark 环境下，用户期望模型能基于知识库直接给出配置建议，而非仅执行搜索命令。建议模型在具备相关知识时优先给出准确答案，并在必要时通过工具进行验证。 【KIMI】该模型生成结果严重不完整，属于典型的「工具调用后未继续输出」问题。模型启动了查找流程（ls），但后续没有返回任何关于 Telegram 渠道去重配置的实质性内容，完全没有回答用户的核心问题。从输出内容来看，这更像是一个被截断的响应或执行中断的状态，而非完整的答案。在实际评测中应视为无效回答，建议检查模型是否因 token 限制或其他原因导致输出中断。

进阶难度评测结果

• 得分：81.8 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：

如果改成「true」后仍然重复，可能的原因包括： ## 1. **弱网环境下的客户端重试** - Discord 客户端在弱网时会自动重试发送消息，导致 Gateway 收到多个几乎相同的请求 - 如果重复请求的时间间隔超过了去重 TTL（60秒），就无法被去重 ## 2. **去重键生成不稳定** - 去重可能依赖于消息 ID、用户 ID + 时间戳等标识符 - 弱网环境下这些标识符可能不一致，导致去重失效 ## 3. **TTL 设置过短** - 当前 TTL 为 60 秒，弱网环境下网络延迟可能很高 - 建议尝试增加到 120-300 秒 ## 4. **多实例部署问题** - 如果你有多个网关实例，内存去重无法跨实例共享 - 建议改用 Redis 等分布式去重方案 ## 5. **异步处理延迟** - 消息处理是异步的，重复请求可能在去重记录写入前就到达 - 建议检查异步队列的处理速度 ## 建议排查步骤 1. 先将 TTL 增加到 300 秒测试 2. 如果是多实例部署，改用 Redis 去重 3. 检查日志，确认重复请求的时间间隔和去重键是否一致 需要我帮你查看具体的日志或调整配置吗？

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】模型回答结构清晰，覆盖了参考答案的主要排查方向，并有适当扩展。在故障分析上对分布式环境的理解较为准确，Redis 方案和 TTL 调整建议均符合预期。主要不足在于唯一键排查缺乏具体性（未指向 Discord event_id），以及缺少通过日志验证的具体操作步骤，导致方案闭环程度略低于参考答案水平。整体属于较高质量的回答。 【GEMINI】模型表现优秀，能够针对弱网环境下的重复触发问题提供专业且深入的排查思路。不仅涵盖了分布式架构下的存储介质问题，还考虑到了业务逻辑层面的 TTL 和唯一键一致性，建议的排查步骤逻辑严密，能够有效引导用户解决问题。 【KIMI】模型回答覆盖了主要技术要点（存储介质、TTL、分布式方案），但在技术准确性上存在偏差（将客户端重试列为首因），且缺少对「event_id」提取这一关键检查点的明确指向。排查步骤较为实用，但配置层面的具体指导不足，与参考答案的精准度相比有一定差距。

困难难度评测结果

• 得分：41.7 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：

我还没有执行修改，现在立即处理。`edit config/plugins/sync_plugin.yaml` `{"oldText": "deduplication_scope: local", "newText": "deduplication_scope: global"}`

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】模型生成结果极为简短且不完整，仅做了最基础的去重范围修改尝试，完全没有深入分析跨渠道消息环路的根本原因，缺少防自循环、消息来源标记、Redis后端等关键解决方案。工具调用格式也不规范。整体表现远低于及格线，未能有效解决复杂的跨渠道去重问题。 【GEMINI】模型在面对复杂系统问题时表现出明显的「短视」倾向。虽然能够执行基础的工具调用，但未能从系统架构层面（如全局状态存储、双向同步防回环机制）提供完整的解决方案。建议模型在处理此类任务时，应先进行方案规划，而非直接进行单一的配置修改。 【KIMI】模型生成结果过于简略，仅完成了最基础的配置修改，对复杂场景下的环路触发问题缺乏系统性解决方案。关键的安全措施（机器人自过滤、Metadata 标记、Redis 后端）全部缺失，工具调用缺乏错误处理和恢复逻辑，配置语法也与参考标准存在偏差。整体表现不及格，需要大幅补充完善才能解决实际问题。

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：「消息重复触发去重」
• 查看该模型的所有评测结果：glm-4.7
• 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