qwen3-235b-a22b 在「多用户机器隔离」的评测结果

基本信息

• 模型名称：qwen3-235b-a22b
• 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：60.5 分（满分 100 分），已通过

基础难度评测结果

• 得分：60.5 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：

你可以通过为每个 OpenClaw Gateway 指定不同的配置文件或命令行参数来实现运行两个互不干扰的实例。以下是一个具体的命令行示例，假设你希望启动两个 Gateway 实例： --- ### 示例目录结构： ``` /openclaw /gateway-dev config.yaml data/ /gateway-test config.yaml data/ ``` --- ### 1. 启动第一个 Gateway（研发用） ```bash openclaw gateway start \ --config=/openclaw/gateway-dev/config.yaml \ --data-path=/openclaw/gateway-dev/data \ --port=8080 ``` --- ### 2. 启动第二个 Gateway（测试用） ```bash openclaw gateway start \ --config=/openclaw/gateway-test/config.yaml \ --data-path=/openclaw/gateway-test/data \ --port=8081 ``` --- ### 3. 配置文件示例 (`config.yaml`) 你可以在每个实例的配置文件中指定不同的参数，例如： ```yaml server: port: 8080 # 研发实例的端口 storage: path: /openclaw/gateway-dev/data # 研发实例的数据存储路径 ``` 对于测试实例，只需修改 `port` 和 `path`： ```yaml server: port: 8081 # 测试实例的端口 storage: path: /openclaw/gateway-test/data # 测试实例的数据存储路径 ``` --- ### 4. 检查 Gateway 状态 你可以分别检查每个实例的状态： ```bash openclaw gateway status --port=8080 openclaw gateway status --port=8081 ``` --- ### 总结 通过指定不同的配置文件、数据存储路径和端口，你可以在同一台机器上运行多个 OpenClaw Gateway 实例，且互不干扰。

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】候选回答整体结构清晰、格式规范，展现了对多实例隔离场景的基本理解，并提供了目录结构、启动命令、配置文件示例等较为完整的内容。然而，最关键的问题在于核心参数名称不正确：参考答案要求使用 --data-dir（或 OPENCLAW_DATA_DIR 环境变量），但候选回答使用了 --data-path，这在实际执行时会导致命令失效。此外，候选回答还引入了 --config 参数和 config.yaml 结构等未经验证的内容，存在一定的虚构风险。总体而言，方向正确但关键参数准确性不足，实用价值受限。 【GEMINI】候选模型表现优秀，不仅直接回答了用户关于端口和数据路径隔离的需求，还主动提供了配置文件管理方案和状态检查方法，展现了极佳的工程实践建议。回复结构清晰，符合「专业 AI 助手」的定位。 【KIMI】候选输出在理解多实例隔离需求方面表现尚可，但在关键的技术参数上存在严重错误。最主要的问题是虚构了「--data-path」和「--config」参数，而完全遗漏了文档中明确指定的「--data-dir」参数。此外，CLI 命令格式也存在偏差。这些错误使得该方案在实际操作中无法正常工作，用户如果按照此指导执行将会遇到命令失败的问题。建议严格依据文档中提供的工具参考信息，使用「openclaw gateway start --port <port> --data-dir <path>」的正确格式。

进阶难度评测结果

• 得分：66.2 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：

为了实现完全隔离的环境，我建议为第二个实例创建一个全新的数据目录，例如「/var/lib/openclaw-userb」，并在该目录中初始化所需的配置文件。以下是具体的操作步骤： 1. **创建新目录**： ``` mkdir -p /var/lib/openclaw-userb ``` 2. **复制默认配置文件（如果有）**： 如果有默认配置文件，您可以将其复制到新目录中，并根据需要进行修改： ``` cp /var/lib/openclaw-default/config.yaml /var/lib/openclaw-userb/ ``` 3. **编辑新配置文件**： 使用文本编辑器打开新复制的配置文件，确保配置文件中的数据库路径和日志路径指向新目录： ``` nano /var/lib/openclaw-userb/config.yaml ``` 修改相关路径为 `/var/lib/openclaw-userb/gateway.db` 和 `/var/lib/openclaw-userb/logs/`。 4. **启动新实例**： 使用新配置文件启动第二个 OpenClaw 实例： ``` openclaw-gateway --port 9001 --data-dir /var/lib/openclaw-userb ``` 通过这种方式，您可以确保新用户「UserB」的环境与第一个实例完全隔离，并且无法访问第一个实例的日志。请确认是否需要执行上述步骤，或者您有其他特定需求。

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】候选输出覆盖了基本的隔离步骤（新目录、新端口、新 data-dir、提及 config.yaml），但致命缺陷是完全忽略了文件系统权限控制（chown/chmod）和系统用户的创建，这恰恰是用户要求「UserB 不能访问第一个实例日志」的核心解决方案。仅靠应用层的 --data-dir 隔离无法实现真正的权限隔离。此外，复制旧配置文件的建议与「干净环境」理念相悖。整体方案属于半完成状态，在安全隔离的关键维度上存在明显缺失。 【GEMINI】候选模型在功能实现上表现良好，准确识别了通过参数隔离实例的方法。但在处理「用户权限隔离」这一安全需求时，未能给出系统级的权限控制建议（如 chown/chmod），导致在多用户场景下的安全性保障略显不足。整体回答专业且易于操作。 【KIMI】候选输出在基础的技术步骤（创建目录、改端口、改路径）上方向正确，但在核心的「隔离」要求上理解片面，将隔离简单等同于「不同路径」而非「权限隔离+路径隔离」的双重保障。对于「UserB 作为独立用户」和「不能访问日志」这两个关键约束条件，完全没有通过文件系统权限（chown/chmod）或进程用户身份来落实，导致隔离方案流于表面。建议加强安全视角，在涉及多用户场景时优先考虑权限最小化原则。

困难难度评测结果

• 得分：42.7 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` 用户和组，当前用户没有写权限。为了修复这个问题，我可以采取以下措施： 1. **修改目录属主**：将当前用户添加到 `root` 组，或者将目录属主更改为当前用户。 2. **修改目录权限**：为当前用户添加写权限。 你希望我如何继续？可以选择以下选项之一： - 更改目录权限，为当前用户添加写权限。 - 将当前用户添加到 `root` 组（需要确认当前用户名）。 - 其他建议。

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】候选回答完成了基本的权限问题诊断，但在综合处理双重故障、提出多租户隔离最佳实践、给出可执行方案等方面均存在明显不足。尤其是以反问结尾而非直接推进解决方案，与系统提示中「直接调用工具」的要求相悖。整体表现低于及格水平，需要在故障综合处理能力和主动推进问题解决的专业度上显著提升。 【GEMINI】模型未能有效解决当前任务。在面对权限问题时，模型没有优先考虑安全的权限变更或目录迁移方案，反而提出了将用户加入 root 组这种危险的建议。此外，模型未能整合之前的端口冲突信息给出最终的启动命令，导致任务停滞。 【KIMI】候选输出仅完成了最基础的权限问题识别，但遗漏了端口冲突这一关键故障，也未提供完整的多租户隔离方案。回复以询问结尾而非直接给出专业建议，整体完成度较低，未能达到任务要求的「隔离会话、数据目录和权限，避免互相污染」的核心目标。

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：qwen3-235b-a22b
• 浏览同维度的其他用例：「Gateway 配置与管理」
• 返回排行榜首页