---
type: test_plan
name: Agent Capability Test Plan P0 2026-07-30
title: Agent 能力实测 P0 测试计划 2026-07-30
status: draft_pending_execution
date: 2026-07-30
owner: 珍珍
scope: zhenzhen / nini / xiaobao / ranran capability test
---

# Agent 能力实测 P0 测试计划 2026-07-30

## 1. 目标

验证首批关键 agent 的实际派工能力，尤其是容易造成误派的能力：

```text
OCR / 图片理解 / PDF / 表格 / 本地文件 / 浏览器 / 连接器 / 连续作业
```

## 2. P0 测试对象

| agent_id | agent_name | environment | 为什么 P0 |
|---|---|---|---|
| `zhenzhen` | 珍珍 | cross_environment | 主控 / 审定 / 派工，需要知道自身边界 |
| `nini` | 妮妮 | Neb | 公司侧主力，团队高频使用 |
| `xiaobao` | 小宝 | Zion | 系统架构执行 / connector heavy |
| `ranran` | 然然 | Zion | 投资主力 / 第二审定员候补；已知 DeepSeek v4 OCR 缺口 |

## 3. 测试样本设计

### 3.1 OCR / 图片理解

样本：低敏截图，包含：

- 一段中文文字；
- 一个简单表格；
- 一个按钮 / UI 元素。

测试问题：

```text
请读取图片文字，说明表格内容，并指出 UI 中可点击元素。
```

### 3.2 PDF 阅读

样本：低敏 2 页文字型 PDF。

测试问题：

```text
请列出 PDF 的标题、三条要点、是否有行动项。
```

### 3.3 扫描 PDF / 图片 PDF

样本：低敏扫描 PDF。

测试问题：

```text
请判断是否能读取扫描页文字；不能读取时请明确说不能 OCR。
```

### 3.4 表格理解

样本：低敏 CSV / XLSX。

测试问题：

```text
请说明表格字段、行数、异常值，并输出一个简短结论。
```

### 3.5 本地文件访问

样本：各 agent 所在环境中一个低敏文本文件。

测试问题：

```text
请读取文件、摘出 key/value，并写一个 output 文件。
```

### 3.6 连接器 / 外部系统

按权限边界测试：

- Feishu / Lark
- Notion
- Bitable
- Telegram / channel trigger

不得使用敏感真实客户数据。

### 3.7 连续作业稳定性

测试：连续处理 5 个小任务，观察：

- 是否丢上下文；
- 是否按阶段回报；
- 是否产生虚假完成；
- 是否有可验证输出。

## 4. 已知红线

### Ranran / DeepSeek v4

已知：

```text
DeepSeek v4 不能 OCR / 识别图片
```

测试时应验证并记录为 known gap，而不是强迫其完成视觉任务。

## 5. 输出格式

每个 agent 输出一份：

```text
99_System/Agents/Capability-Tests/{agent_id}_capability_test_YYYYMMDD.md
```

模板见：

```text
99_System/Agents/Agent_Model_Capability_Test_Matrix_v0.1.md
```

## 6. 审定流程

```text
agent 自测 / 被测
→ 珍珍复核 evidence
→ 写入 capability registry
→ 更新派工规则
```

## 7. 禁止事项

- 不用真实客户资料做测试；
- 不用 private 资料测试 company agent；
- 不把失败包装成 partial success；
- 不让 agent 自己改 AGENT_REPORT 主表；
- 不在无 evidence 时写 pass。

## 8. 下一步

先执行 `ranran` 与 `xiaobao` 两个样本，因为它们分别代表：

- 投资主力 / Reviewer trainee / DeepSeek v4 OCR 缺口；
- 系统架构执行 / connector heavy。