给 agent 装的工具

• 缺统一实测，就不给分。跨工具的跑分口径不同——题目、预算、执行环境都不一样，A 的 90 分和 B 的 88 分不可比。
• 「未知」是合法答案。查不到就写「未知」并说明为什么，不用推测填充。缺信息本身也是信息。
• 每条判断挂官方源。来源链接、类型与核验日都在详情页里，可以逐条回去复核。
• lifecycle 单独标注。核验日新不等于数据有效——上游归档后数据会失效，所以单独标 active / maintenance / archived。
• 不同层不混排。成品 agent、自己搭的底座、给 agent 装的工具是三种角色，坐标系不同；硬合成一张 33 行的表只会制造假的可比性。

可信度标记怎么读

详情页与上表都带 confidence，它反映本站数据的完整度，不是对产品的评价。

本站当前的完整度

数据层用 node scripts/audit-gaps.mjs 可随时复核这个数字。 以下是最近一次核验的快照（核验日 2026-09-29）：

全站合计 120/211 维度已补齐（57%）

剩余未补齐项分三类：官方未公开（索引算法、沙箱实现细节本就不对外说明）、 需实测才能确定（大仓库表现、CI 无 TTY 行为）、 客观渠道不可达。

我们选择留白而不是填「已支持」——错误的成本最终由使用者承担。

数据来源与复核方式

全部数据来自开源仓库 speculcom/ai-agent-guide（CC BY 4.0）。

每个条目都是纯 Markdown + frontmatter，含 8 个维度、证据链接、核验日与可信度标记。仓库内含：

• METHODOLOGY.md —— 方法论总纲与四条核心规则
• axes/ —— 每个维度的定义与判定标准（含正反例）
• SCHEMA.md —— 数据格式规范与构建校验规则
• tracks/*/tasks/_protocol.md —— 实测协议（尚未执行，故本站暂无实测结论）

发现错误或有新证据，欢迎提 Issue 或 PR——每条修正都会注明依据与影响范围。