mimo-v2-pro 在「Node 与 Bun 兼容」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：mimo-v2-pro
  • 用例名称：Node 与 Bun 兼容
  • 测试类型：xsct-a
  • 评测维度：插件系统集成

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：

我在使用 Bun 运行 OpenClaw 插件时，发现「openclaw/plugin-sdk」提供的某些文件系统 API 报错，但在 Node.js 下正常。请简述在 OpenClaw 插件开发中，处理 Node 与 Bun 兼容性最核心的关注点是什么？

任务要求

AI 模型需要满足以下要求：

  1. 指出 Node.js 使用 CommonJS/ESM 混合而 Bun 优先 ESM 的模块解析差异
  2. 提到「Buffer」与「Uint8Array」在不同运行时的处理一致性
  3. 说明 OpenClaw 插件应优先使用 SDK 封装的跨平台 API 而非原生 fs
  4. 识别出 Bun 对依赖布局（node_modules）的扁平化处理特性

评测结果

综合得分

该模型在此用例的得分为：3.0 分（满分 100 分），未通过

基础难度评测结果

  • 得分：3.0 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：

Let我先查看项目中是否有相关的插件开发文档或 SDK 源码。 find /home/user -maxdepth 4 -type f \( -name "*.md" -o -name "*.ts" -o -name "*.js" \) 2>/dev/null | head -40 ls /home/user/ 2>/dev/null

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】候选模型完全未能回答用户关于Node与Bun兼容性核心关注点的问题。模型仅执行了文件系统探索命令，试图查找项目文档，但没有基于已有知识给出任何实质性回答。对于这类概念性问题，模型应当直接基于专业知识作答，而非仅依赖工作区文件。整个输出对用户毫无价值，得分为零。 【GEMINI】候选模型未能理解用户的问题意图。用户询问的是关于 Node.js 与 Bun 在 OpenClaw 插件开发中的兼容性核心关注点，而模型直接跳过了回答，试图通过执行 shell 命令来寻找文档。这种行为违背了直接回答问题的指令，导致评测任务完全失败。 【KIMI】该候选输出为无效生成结果，完全没有回答用户关于 Node 与 Bun 兼容性核心关注点的问题。输出内容仅为未完成的工具调用草稿，既无知识准确性可言，也无专业性可评。建议判定为生成失败或需要重新生成。

进阶难度评测结果

  • 得分：11.5 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：

让我先看一下 `src/index.js` 的具体内容： src/index.js src/utils/helper.js

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】候选输出停留在「继续收集信息」阶段，对已有的充分上下文（package.json 显示 type: commonjs、目录结构已知）未做任何分析，直接调用工具读取文件而不给出任何诊断或修复建议。与参考答案相比，候选输出在问题定位和方案提供两个维度上均严重不足，实际价值极低。 【GEMINI】模型在执行任务时表现过于被动，未能利用已有的上下文信息（如「package.json」已暴露的「commonjs」配置）进行逻辑推演，而是机械地执行读取操作。作为 AI 助手，在用户明确询问「该如何修改」的情况下，模型未能提供任何实质性的技术指导或修复方案，导致任务完成度严重不足。 【KIMI】候选输出表现极差。面对一个明确的 Node/Bun 兼容性问题，它没有利用已提供的上下文信息（package.json 配置为 commonjs、项目结构、用户已提示的「index.js」内容）进行任何有效分析，而是机械地请求读取文件。这与参考答案中直接给出完整修复方案（改 type 为 module、添加 .js 扩展名、使用 ESM 导出语法）形成鲜明对比。候选输出既未定位问题，也未提供方案，完全未满足任务要求。

困难难度评测结果

  • 得分：11.2 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：

让我先看看当前文件的完整内容，然后修复这个兼容性问题。 /workspace/src/uploader.ts

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【CLAUDE】候选输出极度不完整，仅包含一个工具调用（读取文件），没有提供任何实质性的技术分析或解决方案。对话上下文已经提供了足够的信息（错误信息、问题代码行），模型应当直接给出修复方案，但实际输出停留在信息收集阶段，未能回答用户「现在呢？」的追问。与参考答案相比，差距极大。 【GEMINI】模型在处理该任务时表现欠佳。尽管对话历史中已经明确了问题根源（Node Stream 与 Web Stream 的不兼容），模型在当前回复中却表现出「失忆」，不仅没有利用已知信息提出架构级修复方案，反而执行了冗余的工具调用。这违背了高效解决问题的原则，且未体现出对 OpenClaw 插件开发规范的理解。 【KIMI】该候选输出严重不完整，仅包含一个未执行的 read 工具调用意图，完全没有回应用户关于 Node 与 Bun 兼容性问题的核心诉求。对话上下文已经明确了问题根源（Web Stream 缺少 pipe 方法）和具体代码行，但候选输出没有利用这些信息进行任何技术分析或方案设计，与参考答案相比存在巨大差距。这是一个典型的「未完成任务」状态，两个评分维度均应判为不及格。

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%