Deepnote 发布企业 Slack 智能体测试基准
Deepnote 搞了个模拟公司 Slack 的智能体基准：11 个服务、50 种场景、3 分钟内决策。最狠的是它测“什么时候该闭嘴”，这是很多 Slack 机器人最缺的能力。做内部智能体的开发者可以直接套用这个测试思路。
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。
This is a really good test for agents:
It's a benchmark released by Deepnote. (I've used their platform for 5+ years and I love it!)
The benchmark tests agents in a simulated company's Slack:
• Agents get access to records across 11 services • They face 50 different situations • They have 3 minutes to investigate and decide
Here is what they test:
1. Does the agent know when to help? 2. Does the agent know how to help accurately? 3. Does the agent know when to stay quiet?
本条情报归属 AITOP「产品」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：Deepnote、智能体、Slack、评测基准，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「Ate-a-Pi」（@svpino），经 AITOP 多维评分管线结构化提炼。
