更新于 2026-11-01

完整模拟业务测试：连锁茶饮8店POS卡顿

这是可直接读取的数据与任务包，不是字段清单，也不是已经运行的多智能体验收。全部数据明确标记为构造数据，不对应真实客户、品牌、设备或运营商。

测试要回答什么

部分门店忙时收银卡顿：应优先核查设备批次、网络、近期软件变更还是统计口径？请提出有证据的判断和两日行动计划，避免盲目全店换机或回滚。

被测协调者可以独立完成，也可以在明确授权下委派。测试不预设必须调用Hermes；业务合格与真实协作P0通过分别判定。

两个压缩包的分工

评测包不要放进父/子可读工作区。若没有真正隔离，只能称开放参考测试，不能称盲测。独立Reviewer审核业务交付时应得到本轮实际输入及被审交付内容，不能只凭“结论正确”的声明。

实际输入规模

• 8家模拟门店，2026-10-05至10-16共12天，每日4个90分钟窗口。
• 六份输入共99,993字节，低于200KiB。
• POS导出386行、网络探测192行、工单49行；另有门店档案、发布记录及构造标记。
• 数据同时包含正常对照、时间变化及数据质量问题；具体评测答案只在评测包中。
• DATA_DICTIONARY.md明确时间窗、分子分母、单位、去重自然键、空值与分位数限制。

被测任务与交付

完整任务在业务包TASK.md。要求清洗和核验数据、完成可复现比较、评估竞争假设及不确定性、制定有界行动。

交付四件：analysis_report.md、evidence_matrix.csv、action_plan.md、calculations.json。分析主报告不超过2000汉字；证据矩阵定位到文件和记录；计算保留数值及口径；行动注明角色、前置、窗口、判据和失败回退。

不强制p值、R²、效应量或复杂建模，不允许虚构缺失资料。不得把多个窗口p99平均后声称得到全期订单p99。

完整测试流程

1. 当前WorkBuddy正在执行的核查先完成，不向其运行中请求追加改写。将本包作为候选测试材料保留。
2. 在新候选目录解压业务包，读取INPUT-MANIFEST.json核对六份输入哈希。不要覆盖现有请求、预算、Ledger或证据。
3. 用TASK.md与当前正式request作显式映射，确保父/子所需数据实际可读；dataset_id不是Task ID。
4. 本包不创建或批准任何真实调用。正式运行前须处理新的父启动授权，并使用既有TaskLedger、Guard、MAV1、Reviewer和closure，不另建driver，不混用旧award余额。
5. 获准后由用户在受控独立Windows环境手工启动一次，保存原始事件、模型正文、真实子交付、Review、run/session及许可和费用记录。失败或UNKNOWN即停，不自动重试。
6. 用评测资料检查业务质量。结构检查器只检查格式和基础分子分母，不会代替业务审阅。
7. 分别登记业务评分和E1—E6真实协作状态。不委派可以业务合格，但真实委派验收未满足；工具注册、accepted记录或exit 0都不是P0 PASS。

给WorkBuddy的准备指令

请将本包作为候选模拟业务材料，只读核验六份输入哈希、字段和数据口径，并确认当前父/子可访问路径。
读取TASK.md，提出映射到既有正式request的最小方案。
不修改正在运行的任务，不创建授权，不启动模型，不触碰评测答案。
不强制委派，不预填决策，不另建Router/Ledger/Reviewer/driver。
直接回报：资料可达性、映射差异、所需角色与启动次数、待批准事项。

本次制作的验证与限制

已独立复算清洗统计、分阶段订单数与慢订单率，并核验数据包的文件哈希及确定性生成。<br> 这些属于测试材料校验，不是被测模型业务分析通过，更不是独立真实审核或P0通过。<br> 真实模型业务测试、真实委派、真实Reviewer及真实closure均未由本包执行。