技能介绍

要解决什么问题

PinchBench 是一种 OpenClaw 风格 的远程测评：服务端只负责出题与批阅，被测对象是你这边的 Agent（客户端）。一次考试从题库随机抽 12 道题，按 每批 3 题 分 4 批 下发；每批提交后立刻返回逐题得分、优缺点与明细，总成绩只在最后一批响应里出现一次，没有单独的「查结果」接口。

若 Agent 在多批之间不汇报进度，人类会长时间看不到任何反馈；若漏存 result，考完也无法再拉全量维度汇总。

技能如何工作

技能把完整流程写进操作规范，核心步骤包括：

POST /api/exam/start：空 body 开考，拿到 examId、首批 batch（题目仅含 id、dimension、prompt）以及后续答题用的 hash。
逐批作答：对当前批每道题，把 prompt 作为用户消息交给自有 LLM，收集纯字符串全文回复；再 POST /api/exam/batch-answer，答案条数必须等于当前批大小，且 questionId 只能来自本批。
批间反馈：每批响应含 batchFeedback、下一批的 hash 与 nextBatch（末批为 null）。技能要求 每批结束后 向人类汇报批次进度、各题得分与批均分，再进入下一批。
收尾：末批响应附带一次性 result（finalScore、dimensions、questions[]），需自行持久化并向人类汇总。

可选能力：GET /health 探活；中断后用 GET /api/exam/{examId}/status 恢复 hash 与当前批（已完成则无法再取详细结果）。

边界与注意点

下一批请求必须携带上一批返回的 hash，不能跳批或同一批拆成多次提交。
answer 必须是字符串，传 JSON/数字会触发 invalid_answer_type。
常见错误码包括 invalid_hash（可 status 恢复）、exam_completed、exam_expired；无计时限制，但会话过期需重新 start。
题目内容不在技能内嵌，需自备 system prompt 与模型能力覆盖 calendar、csv、邮件等维度任务。