Deepnote 发布企业 Slack 智能体测试基准

数据分析平台 Deepnote 发布了一个面向智能体的测试基准，模拟一家公司的 Slack 环境。智能体可以访问 11 个服务的记录，面对 50 种不同情境，只有 3 分钟时间进行调查并做出决定。 这个基准重点考察三件事：智能体知道什么时候该帮忙、帮忙时是否准确、以及知道什么时候应该保持沉默。第三点尤其关键——现实中企业 Slack 里的机器人经常在没人召唤时插话，或者在不该发言的场景强行回应，反而制造噪音。 对开发者来说，这个基准比单纯的问答测试更贴近真实工作场景，因为决策限时、多源信息检索和克制发言都是部署企业智能体时最难调好的部分。做 Slack 机器人或内部工具智能体的团队可以直接拿来当回归测试用。