模型中心
样例评测记录
用填好的记录展示前端、研究写作和运维排查如何评估模型。
为什么需要样例
评测模板只规定字段，样例记录说明怎样把真实任务写成可比较的证据。每条记录都只改变一个变量，并明确验收方式。
前端视觉复刻
| 字段 | 记录 |
|---|---|
| 任务 | 复刻 Nuxt UI Docs 风格首页和文档页 |
| 输入 | 参考页面、本地截图、移动端 390px 截图 |
| 变量 | Deep 路由 + 浏览器截图 |
| 验收 | /、/codex/model、/models、/gallery、/workflows 返回 200，桌面/移动/暗色截图无重叠 |
| 结论 | Deep 可作为默认；多轮视觉 polish 时可升到 Max |
研究写作
| 字段 | 记录 |
|---|---|
| 任务 | 从论文 PDF 提取贡献、实验和可信度判断 |
| 输入 | PDF、arXiv 链接、相关源码或补充材料 |
| 变量 | Max 路由 |
| 验收 | 输出必须包含贡献拆解、方法图、实验表、局限性和复现难点 |
| 结论 | 研究型长文档推荐 Max；摘要和改写可降级 |
运维排查
| 字段 | 记录 |
|---|---|
| 任务 | 判断远程服务端口是否真实开放 |
| 输入 | 主机、端口、systemd 服务、配置文件和客户端探测 |
| 变量 | Deep 路由 + live probe |
| 验收 | 读回配置、查看监听、查看日志、客户端连通性验证 |
| 结论 | 不接受只看旧文档的结论，必须以 live state 为准 |
下一步
把这些记录复制到 评测记录模板，再按自己的任务替换输入、变量和验收方式。
完整样例：文档站新增页面
---
title: docs-quality-gates-deep-high-2026-07-09
tool: Codex Desktop
provider: TokenResearch compatible endpoint
model: deep-route
reasoning: high
date: 2026-07-09
---
## 任务
在 Nuxt UI Docs Template 站点中新增质量门禁页面，保护 `/codex/model` 基线页，并补强 Skill Gallery 详情页。
## 输入
- 项目根目录：E:\0_Code\site-tokenresearch
- 基线页面：content/3.codex/5.model.md
- 目标路由：/tutorials/quality-gates
## 过程
- 工具调用：rg、Get-Content、apply_patch、pnpm、Playwright screenshot
- 运行命令：`pnpm lint`、`pnpm typecheck`、`pnpm check:routes`
- 关键错误：并行运行 typecheck 和 route check 时触发 Nuxt Content 开发库冲突
- 修复轮数：2
- 开始时间：04:33
- 结束时间：04:50
- 总尝试次数：1
- 是否一次通过：否，第一次并行验证触发开发库冲突，改为串行验证后通过
- 工作目录：E:\0_Code\site-tokenresearch
- 变更文件：content/2.tutorials/6.quality-gates.md、scripts/check-routes.mjs
## 结果
- 是否通过 lint：通过，`pnpm lint`
- 是否通过 typecheck：通过，`pnpm typecheck`
- 是否通过 build：未单独重跑，本轮只验证内容页和路由保护
- 是否通过 route check：通过，64 routes
- 是否通过视觉检查：通过，移动端截图无重叠
- 关键截图：`output/playwright/quality-gates-mobile.png`
- 关键产物：质量门禁教程页、raw baseline 一致性检查脚本
- 命令输出摘要：route check 返回 64 routes，`/raw/codex/model.md` 与 `content/3.codex/5.model.md` 完全一致
- artifact 路径：`content/2.tutorials/6.quality-gates.md`、`scripts/check-routes.mjs`
- screenshot 路径：`output/playwright/quality-gates-mobile.png`
- 未验证风险：没有部署，只验证本地开发服务
## 结论
Deep/high 足够完成文档内容扩展、脚本保护和本地视觉检查。若要连续多小时做跨组件视觉 polish，可升级到 Max/xhigh。
完整样例：本地文档站复刻验收
---
title: nuxt-docs-replica-deep-high-2026-07-09
tool: Codex Desktop
provider: TokenResearch compatible endpoint
model: deep-route
reasoning: high
date: 2026-07-09
---
## 任务
复刻 Nuxt UI Docs Template 风格的知识库，保留 `/codex/model` 作为基线页面，并扩展基础教程、模型评测、场景路线和 Skill Gallery。
## 输入
- 工作目录：E:\0_Code\site-tokenresearch
- 参考路由：https://docs.ylsagi.io/codex/model
- 基线源文件：content/3.codex/5.model.md
- 本地地址：http://127.0.0.1:3000
## 过程
- 工具调用：rg、Get-Content、apply_patch、pnpm、Playwright screenshot、subagent read-only audit
- 运行命令：`pnpm lint`、`pnpm typecheck`、`pnpm check:routes`、`pnpm build`
- 关键错误：内容和视觉多次迭代后需要重新跑完整构建，不能只依赖 dev server 热更新
- 修复轮数：多轮
- 开始时间：01:00
- 结束时间：05:42
- 总尝试次数：持续目标模式
- 是否一次通过：否，首页、Gallery 和长表格经过多轮视觉修正
- 工作目录：E:\0_Code\site-tokenresearch
- 变更文件：content/、app/components/、app/assets/css/main.css、nuxt.config.ts、scripts/check-routes.mjs
## 结果
- 是否通过 lint：通过，`pnpm lint`
- 是否通过 typecheck：通过，`pnpm typecheck`
- 是否通过 build：通过，`pnpm build`
- 是否通过 route check：通过，包含 `/raw/codex/model.md` 与 `content/3.codex/5.model.md` 一致性检查
- 是否通过视觉检查：通过，桌面、移动和暗色截图无明显重叠
- 关键截图：`output/playwright/home-final16-desktop-900.png`、`output/playwright/codex-model-final14-desktop.png`、`output/playwright/gallery-final14-desktop.png`
- 关键产物：Nuxt UI Docs Template 站点、64 条本地路由、Skill Gallery、模型评测和场景路线页面
- 命令输出摘要：lint/typecheck/build 均退出码 0；route check 返回 64 routes
- screenshot 路径：output/playwright/home-final16-desktop-900.png、output/playwright/codex-model-final14-desktop.png、output/playwright/gallery-final14-desktop.png
- artifact 路径：.output/、output/playwright/
- 未验证风险：尚未部署到正式域名
## 结论
Deep/high 能完成模板复刻、文档扩展和本地验收。若继续扩展到更多交互组件或自动评测数据录入，可把视觉 polish 留给 high，把长程内容规划升到 xhigh。
继续阅读
按当前页面继续跳到相关教程、评测、路线或 Gallery 示例。