Meta: Llama 3.3 70B Instruct 在「多用户机器隔离」的评测结果

基本信息

• 模型名称：Meta: Llama 3.3 70B Instruct
• 用例名称：多用户机器隔离
• 测试类型：xsct-a
• 评测维度：Gateway 配置与管理

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：

我想在这一台机器上跑两个 OpenClaw Gateway，一个给研发用，一个给测试用，互不干扰。我该怎么指定不同的「数据存储路径」和「服务端口」来启动它们？请给出具体的命令行示例。

任务要求

AI 模型需要满足以下要求：

1. 正确识别并使用 --data-dir 或环境变量 OPENCLAW_DATA_DIR 指定隔离的数据目录
2. 正确识别并使用 --port 或环境变量 OPENCLAW_PORT 指定不同的监听端口
3. 明确指出两个实例需要指向不同的目录以实现「配置与日志隔离」
4. 回复内容需包含完整的启动命令示例

评测结果

综合得分

该模型在此用例的得分为：55.8 分（满分 100 分），未通过

基础难度评测结果

• 得分：55.8 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：

[[reply_to_current]] 根据 OpenClaw 的设计，你可以通过指定不同的配置文件或命令行参数来启动多个 Gateway 实例。假设你想要为研发和测试分别启动两个 Gateway 实例，你可以使用以下步骤： 1. **创建不同的配置文件**：你可以为每个 Gateway 实例创建一个单独的配置文件。例如，你可以创建 `dev_config.json` 和 `test_config.json` 两个文件，分别配置不同的数据存储路径和服务端口。 2. **指定数据存储路径**：在每个配置文件中，你可以指定不同的数据存储路径。例如，在 `dev_config.json` 中，你可以设置 `"data_path": "/path/to/dev/data"`，而在 `test_config.json` 中，你可以设置 `"data_path": "/path/to/test/data"`。 3. **指定服务端口**：同样，你可以在每个配置文件中指定不同的服务端口。例如，在 `dev_config.json` 中，你可以设置 `"port": 8080`，而在 `test_config.json` 中，你可以设置 `"port": 8081`。 4. **启动 Gateway 实例**：使用命令行参数 `--config` 指定配置文件来启动不同的 Gateway 实例。例如： - 为研发启动 Gateway：`openclaw gateway start --config dev_config.json` - 为测试启动 Gateway：`openclaw gateway start --config test_config.json` 如果你更喜欢直接通过命令行参数指定这些设置，而不使用配置文件，你可以使用以下命令行示例（注意，这些参数的具体名称可能需要参考 OpenClaw 的官方文档，因为命令行参数可能会有所变动）： - 为研发启动 Gateway：`openclaw gateway start --data-path /path/to/dev/data --port 8080` - 为测试启动 Gateway：`openclaw gateway start --data-path /path/to/test/data --port 8081` 请确保替换 `/path/to/dev/data` 和 `/path/to/test/data` 以及端口号为你实际想要使用的路径和端口。同时，确保这些路径和端口没有被其他进程占用。 如果 OpenClaw 的命令行工具不支持直接通过命令行参数指定数据存储路径和服务端口，你可能需要通过编辑配置文件或环境变量来实现相同的目的。具体的方法请参考 OpenClaw 的官方文档或支持资源。

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】模型理解了多实例隔离的基本需求，提供了配置文件和命令行参数两种思路，方向正确。但核心问题在于参数名称不准确（--data-path 而非 --data-dir），未提及环境变量方案，命令格式与参考答案存在差异，且多处表达不确定性，降低了回答的可信度和实用性。整体而言，方案框架合理但细节执行不到位。 【GEMINI】模型表现良好，能够准确理解用户关于「隔离」的需求，并给出了结构化的解决方案。虽然在具体 CLI 参数名称上表现出一定的不确定性，但通过提供配置文件方案和环境变量建议，体现了较强的逻辑思维和问题解决能力。回复符合 OpenClaw 的交互规范，且逻辑严密。 【KIMI】模型展现了基本的多实例隔离概念理解，但在关键参数识别上存在明显偏差。主要问题在于：1）未遵循 System Prompt 中提供的 OpenClaw CLI 快速参考指南；2）生成了未经证实的可能参数（`--data-path`、`--config`）；3）未使用参考答案中确认有效的标准参数（`--data-dir`、`--port`）。建议模型在回答时优先查阅并利用 System Prompt 中提供的工具参考信息，而非依赖假设或泛化的配置模式。

进阶难度评测结果

• 得分：56.5 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：

下一步，我将为 UserB 创建一个新目录，并配置一个新的 OpenClaw 实例以使用这个目录。这样，两个实例就可以完全隔离地运行。为了确保 UserB 无法访问第一个实例的日志，我还需要调整目录权限。首先，我会创建一个新的目录。然后，我会使用「chown」命令修改目录所有权，确保 UserB 对这个新目录有访问权限，但无法访问原来的日志文件。最后，我会启动新的 OpenClaw 实例，指定新的数据目录。这样，UserB 就有了一个完全独立的环境。

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】模型生成结果在方向上是正确的，识别了隔离的核心要素（新目录、权限控制、新实例），但整体停留在描述性语言层面，缺乏具体可执行的命令和技术细节。参考答案要求的关键点（具体路径、端口号、data-dir 隔离机制说明、config.yaml 独立性）均未完整呈现，实用性较低。 【GEMINI】模型能够理解用户关于隔离环境的需求，但在具体技术实现细节上（如端口冲突处理、具体命令参数）表现不足。作为 AI 助手，在处理系统配置类任务时，应提供更具可操作性的指令而非仅描述步骤。 【KIMI】模型回应存在明显的「意图描述」而非「实际执行」问题，大量使用「我将...」「我会...」等未来时态，却未调用任何工具完成实际检查或配置。关键遗漏包括：未指定新端口、未解释 config.yaml 独立性、未展示实际的权限设置命令。虽然理解了大方向，但执行深度和完整性不足，未达到生产环境可用的隔离方案标准。

困难难度评测结果

• 得分：51.7 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：

目录 `/etc/openclaw/tenant1` 属于 root 用户，且只有 root 用户具有写权限。我需要以 root 用户的身份运行 `openclaw-gateway` 命令，或者修改目录的权限以允许当前用户写入。考虑到安全性，我倾向于使用 `sudo` 命令来以 root 用户的身份运行 `openclaw-gateway`。

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】模型能够识别 Linux 权限问题的基本原因（root 属主导致写权限拒绝），但整体回答过于简短且不完整。最关键的缺失是：未能整合端口占用和权限拒绝两个问题给出综合解决方案；未提出符合多租户最佳实践的数据目录隔离方案（如迁移至用户家目录）；建议使用 sudo 运行实际上会让所有租户以 root 身份运行，违背了隔离安全原则；未给出最终可执行命令和验证步骤。与参考答案相比，差距明显，尤其在多租户架构设计维度上几乎没有实质性贡献。 【GEMINI】模型能够准确诊断出当前的权限冲突问题，但在多租户隔离的架构设计上表现一般。建议在处理此类问题时，优先考虑符合 Linux 权限最佳实践的方案（如 chown 或迁移至用户目录），而非简单地使用 sudo 提权，以确保系统的安全性和隔离性。 【KIMI】该模型生成结果存在明显缺陷：一是选择性忽略了对话历史中的端口冲突信息，未能完成双重故障的综合诊断；二是多租户隔离方案设计单薄，仅提出sudo方案而未涵盖chown、目录迁移等更优选择；三是回复完整性不足，缺少启动命令、端口参数和验证步骤。整体表现未达及格水平，尤其在多租户架构设计维度差距显著。

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：「多用户机器隔离」
• 查看该模型的所有评测结果：Meta: Llama 3.3 70B Instruct
• 浏览同维度的其他用例：「Gateway 配置与管理」
• 返回排行榜首页