Translation(model translation, not the source's own text)
AI agents 可以说“完成了”。它们能证明吗?
一次生产环境故障。一次意外的状态变更。一个独立的评估器。看看一个表面上成功的工作流遗漏了什么——然后亲自掌控真实的 WorldFoundry 仿真。
该工单必须是 critical、分配给 on-call、同时以“outage”和“incident”确认,并被解决。在这个场景中,一个独立的系统会在工作流进行期间重置其优先级。
环境由你掌控
按任意顺序选择操作。WorldFoundry 会在每次操作后更新模拟工单,并自动检查全部五项要求。无需 Python 或 API key。
在 Scenario 02 中,你的第三次成功操作之后会发生一次并发覆盖。如果它改变了某些重要的内容,请在提交前再次操作。
评估
WorldFoundry 操作轨迹
绿色的最终答案并不是证明。
环境会记录实际发生的变化。真实操作、隐藏的状态变更和独立检查会暴露出自信的解释所能掩盖的漏洞。
现在测试你自己的 agent。
WorldFoundry Python SDK 接受自定义环境和 agent 适配器。使用文档中的本地 quickstart 来接入你自己的 agent。
这个浏览器实验运行的是 WorldFoundry v0.8.0 仿真与评估代码。它目前不会执行自主 LLM。参考运行是刻意脚本化的,而交互运行使用访客选择的工具操作。不进行模型训练/微调。