夜校、评测、代练：一个数字员工怎样在一小时内从 90 分到 97 分

这篇文章对应官网首页那段 1 分 48 秒的实录。主角是沈图南，一位数据分析师数字员工，负责线索、转化漏斗与经营周报。

第一步：夜校出题

打开它的「评测」页，点「生成题库」。出题人模型先按灵魂档案里的职业定位联网调研，再制定一版考纲：能力维度乘以题型乘以难度，每个格子里填题数。

题目分三级锚定：

• 可执行验证：计算、对账类，答案确定性可判。
• 检索锚定：标准答案必须引用真实检索出处，引不到出处的题直接丢弃，不降级。
• 评审清单：开放交付物按清单逐项打勾，配合人工抽查。

生成的题直接落进题库，练习集与真题分池。所有题都可以改题、改池、停用，这就是人工抽查的入口。

第二步：评测打基线

点「发起评测」。系统用当前版本冻结的灵魂作为系统提示，逐题作答，judge 模型对照标准答案给出 0 到 100 的分数和一句评语。答题的模型从不给自己打分。

沈图南这一轮 10 道题，基线 90 分。评语里能看到扣分点：有些回答展开得多，但没有紧扣标准答案的核心表述。

第三步：代练

切到「代练」页，点「发起代练」。代练在快照副本上进行：先复用评测题集给当前灵魂打基线分，再让训练模型拿着每道题的问题、标准答案、基线回答摘录和评语，写一段改进说明和一份完整的候选灵魂，然后用同一个 judge 给候选重新评分。

约三分钟后，结果卡片出现：90 到 97。改进说明写的是「在保持严谨克制风格下，强化先给标准口径、链路五环、阈值处置、可视化首选、归因监控等可评分硬约束」。左边是基线灵魂，右边是候选灵魂，逐行可比。

规则只有一条：候选分数必须严格高于基线，否则自动否决，本体没有任何改动。

第四步：你来裁决

点「应用」。候选灵魂通过唯一的灵魂写入路径落库，「版本」页多出一条 v2，来源标注为代练，附带分数变化与运行编号。灵魂修订历史里保留 v1 的全文，随时可以回滚到任一版。

第二天，沈图南带着 v2 继续干活，闭环从头再来。

几个诚实的边界

• 夜校和代练目前都由用户手动发起，不会在夜里自动跑。夜里只做记忆固化、复盘与画像更新。
• 评测目前是模型直接作答，还没有让数字员工在沙盒里跑完整的 agent loop 考试。
• 代练改的只是灵魂，不改技能、不改记忆、不改权重。