ARTICLE · 1247472
二胡龙虾openclaw当考官,把teleagent与workbuddy拉进同一考场,7小时全自动化考试,消耗近2000积分,结果出乎意料#teleagent#workbuddy
来由：前段时间，量子位报道：央企做的通用Agent杀进IDC实测前三，名字叫TeleAgent。评论区两极：一派"运营商也做AI？"，一派"排名是黑盒，谁知道怎么测的"。
我们AI专家群里有老师建议要搞个第三方智能体来测试
我想到这是个好主意，我的二胡龙虾openclaw不就是个智能体吗，自从有了TA-teleagent，就好久没用它了——正好把他重新激活当考官。
于是我昨天上午在TA手机版上发了一条指令，没想到这条任务让TA在后台默默工作了近12小时，消耗近2000积分（还有其他任务），终于生成一个测试报告。
Harness。我们可以把它简单理解成围绕大模型搭起来的一整套执行系统。
模型负责理解和推理，但一个复杂任务真正开始运行以后，系统还要安排上下文、调度工具、保存任务状态、控制执行环境。中途一旦出现异常，它还得判断是重试、换路径，还是恢复之前的进度。最后结果生成出来以后，系统还要检查任务到底有没有完成。
这些能力在短任务里不一定明显，可任务一旦拉长，差距就会被迅速放大。TeleAgent这次拿到的几个高分项，也基本可以从这条工程链路往下拆。
我只是发给TA一篇参考文章，再告诉TA要用龙虾当考官做测试，TA首先查现状，再帮我远程下载安装openclaw，发现TA版本是最新版，还晓得帮workbuddy也升级为最新版，最后还要龙虾开发一个agent-exam技能专门用于智能体考试；由于基本上都是TA在全程自动化操作，包括任务卡了要点确认键等，反反复复折腾好多遍，所以耗时很长，积分消耗也不小。也全程长时间长任务测试了一下TA手机版，好丝滑，都不用电脑了。
再介绍下考官与考生
（这张图也是TA自行设计的，用龙虾的两个钳子称重Teleagent与workbuddy)
OpenClaw，GitHub 28万星的开源个人AI智能体，江湖人称"小龙虾"。我把它架在两台桌面客户端中间，大脑换成MiniMax-M3（不用任何选手自家模型，防的就是"既当运动员又当裁判"）。考生两位：
·TeleAgent（中国电信，v2.7.1，全程旗舰模式）
·WorkBuddy（腾讯，升级到最新v5.8.3，全程极致模式——顺带挖到个细节：它的极致模式底层是混元4preview和Kimi-K3双模型路由，答卷截图里明晃晃写着"共消耗44.9极致(kimi-k3)"）
二胡这个考官很重视，还发布了开考公告
总共设计六道题，全是真实政企办公场景：乱序速记整理成Word、150行脏数据Excel清洗、联网查政策出简报、2500字材料做8页PPT、AI生图三件套、4800字长文挖细节防幻觉。同卷同题，独立作答，限时1500秒一道，OCR视觉监考全程截图，交卷以真实文件为准——IDC的考法，民间的规模。
最后上成绩
TeleAgent赢四题，WorkBuddy赢两题。总分4.6对4.0。但这场考试的看点，根本不在分数。
TeleAgent赢的姿势：文档整理快1.6倍；数据清洗不仅把9类脏数据全处理了，还主动附赠一份"统计口径说明"工作表——每条处理决策都写成可审计说明，企业级数据治理的自觉。联网检索那题，它给的4个来源链接我逐个做了HTTP核验：湖北省经信厅×2、工信部、黄冈市政府，4/4全部200，零编造。八页PPT也在时限内交卷，关键数字全对。
WorkBuddy赢的姿势：跨工具三件套（海报+文案+二维码）182秒交卷，TeleAgent用了1505秒——快了8倍。长文防幻觉那题也快了近一倍。
三个让我愣住的瞬间
瞬间一：安全弹窗杀死了腾讯的考生。
T3检索题，WorkBuddy检索到一半弹出"该网址存在安全风险，是否继续访问"，然后……它就停在那儿了。没人点确认，它就一动不动等了25分钟直到超时。同一道题，TeleAgent监考已经停止计时了，它的会话还在后台闷头干，最终把文件交了上来——4个链接全是真的。
这一题给我的震撼最大：有人值守时点一下弹窗是小事，无人值守时，"卡死等确认"就是死穴，"没人管也把活干完"就是韧性。不过这也跟我把TA模式调整最大授权模式有关。
瞬间二：快8倍的和它比不了的。
T5生图题，WorkBuddy 182秒出三件套，全场最快。但打开一对比：TeleAgent的海报3072×1728，精准16:9、4.7MB高清可直接印刷；WorkBuddy的是1536×1024，3:2画幅没完全命中考题要求，画面自带"AI生成"水印。
速度王和规格控，各有各的活法。赶时间要马上出物料的选快枪手，要拿去印刷投放的，等那个慢的。
瞬间三：考官在考试期间进化了。
这是我最没想到的。监考中途WorkBuddy升级改版导致界面漂移、题目差点误发到错误会话，我正准备人工救场——回头一看，OpenClaw考官自己已经动手了：自建Python 3.13环境、给监考调度器加了断点续考、交付物实时检测、考题回显过滤，全部自主完成。
监考日志里它自己备注了一行：*开源考官，也得跟着考试进化。*
一只开源龙虾在考试期间进化了自己的监考系统——这个画面，比任何排名都更能说明2026年Agent行业的状态。
其他考试瞬间：
TA答题1：
TA答题2：
WB答题3：
WB答题4：
TA答题5：
WB答题6：
最该关心的一项：防幻觉
长文细节核对题（4800字长文+3道细节题逐字核对），两家全部3/3答对：汽配厂云ERP月付1200元、五金厂长扫码枪解决的两件事、智能外呼13%/8%两个数——全对，零幻觉，各自都附了原文出处。
翻译一下：长文档里的关键数字，现在可以放心交给任何一家。这对政企办公是底线保障，好消息是底线两家都守住了。
一句话结论
TeleAgent像个交付型项目经理：完成度优先、留痕规范、你下班了它还在干。WorkBuddy像个反应型快枪手：响应极快、人感十足。
所以企业选Agent，先别问谁第一，先问你的场景：是要"托付"（夜间报表、定时巡检、数据治理），还是要"使唤"（现场出图、快速出稿）。托付选韧性，使唤选速度。
民间实测，单机样本，任务六道，欢迎来杠——全部监考截图、考生答卷、原始交付物都在考场目录里存着，可复核。
*关注两湖的二胡，回复"考试"，领取这场考试的完整终局报告（含全部核验数据+考场记录索引）。
