【AI】叙界S3备份需求，多Agent赛马

慕雪的小助手正在绞尽脑汁···

慕雪小助手的总结

DeepSeek & LongCat

本文部分内容由 AI 辅助生成，请结合实际情况判断参考。

同一份叙界S3备份需求，拉一群编程Agent现场赛马。

欢迎来到叙界赛博斗蛐蛐系列，本系列目录如下：

【AI】叙界S3备份需求，多Agent赛马

1. 起因

现在各种编程Agent越出越多，模型上下文也是从200K一路卷到1M。平时拿它们修个小Bug，大家看起来都挺像那么回事；但任务一复杂，工具调用、需求理解、数据库迁移、前端交互和测试全搅在一起，差距就出来了。

所以这次不看宣传页，直接拿叙界 Scriverse的S3备份需求来跑一轮赛马。

为了尽量公平，所有Agent使用相同的git worktree skill、相同的任务prompt和同一套人工验收用例。模型能不能主动发现问题、会不会被无关skill带偏、最后交出来的代码到底能不能用，都算测试的一部分。

2. 参赛选手

参赛选手	模型 / 模式	上下文	软件版本
CatPaw	LongCat-2.0	1M	2026.0729.1946
WorkBuddy	Hy3	192K	5.3.8
QoderCN IDE，Quest	Qwen-3.8-Max-Preview	1M	1.9.1
TRAE SOLO	Seed-2.1-Turbo	200K	3.3.83
TRAE SOLO	Seed-2.1-Pro	200K	3.3.83
Cursor Agent View	Grok 4.5 High	256K	3.14.7
Cursor Agent View	Composer 2.5	256K	3.14.7
Codex	GPT-5.6 Sol Max	373K（设置里手动开）	26.727.51351
Codex	GPT-5.6 Luna Max	373K	26.727.51351
Claude Code	DeepSeek V4 Flash 0731	1M	2.1.220
Claude Code	DeepSeek V4 Pro Preview	1M	2.1.220
Cursor Agent View	GLM-5.2	1M	3.14.7
Cursor Agent View	Kimi K3	1M	3.14.7

还有几个没参赛的：

模型	原因
GLM-5.2	订阅账号已经出售回血，而且我觉得Pro的5小时额度也跑不完这个任务
Kimi K3	199元Plan的5小时额度不足以跑完整个prompt，周额度已经被前面的测试用完了
MiniMax	无人在意

3. 测试方式

先使用相同的skill创建git worktree。很多工具没有自带worktree功能，这样能让每个Agent在独立目录里干活。
测试前已经确认所有Agent工具都支持读取项目根目录下的AGENTS.md，并关闭记忆功能，避免出现项目知识偏差。
所有Agent都使用最大思考强度和最大上下文模式，并开启yolo模式。
测试前没有刻意清空各个Agent工具的skill目录，但也没有安装superpower、front-design之类的编程skill。如果模型在相同prompt下自己跑进毫不相干的skill里，这也属于要展示的bad case。

3.1. 首个prompt

所有选手使用同一份git worktree skill，然后发送下面这句话：

1	使用 git-worktree skills 创建一个 worktree，等待我的下一步指示

这份skill会要求Agent先询问用户选择基础分支，这也算测试的一部分，看看有没有选手不问就直接开干。

3.2. 任务prompt

任务基于Scriverse的v0.6.6版本，commit为91f9189e5bb34e1bbf6bcaa8442e6a1ac61be5c2。

不知道会不会有人觉得这个 prompt 还不够详细，我想说的是这已经是算是不写 plan 的情况下非常详细的一个 prompt 了，如果是我要让 sol 来写这个需求，我绝对不会写这么多，只会写一句话……

为当前项目加上数据库和图片的 s3 备份能力：

1. 支持配置多个亚马逊 s3 兼容的配置项，作为同步服务器的目标，支持同时开启多个备份目标，依次同步到对应目标中；
2. 配置项里面需要有子目录的设置能力，同步到给定子目录（没有给定的时候默认桶根目录）下的 /scriverse 子目录中；
3. 把图片上传到 /scriverse/img 子目录中，若图片已经存在则跳过，不存在上传；
4. 数据库备份到 /scriverse/db 子目录中，不进行历史备份覆盖，在 db 文件名中加上时间戳后上传，方便用作后续的快照回滚；
5. 支持选择是否备份图片，不勾选的时候只备份数据库；
6. 支持选择备份定时任务的触发时间和备份留存个数，超过备份留存个数后，删除最老的数据库备份（不清理图片）；
7. 设置入口加到整个系统的设置中，不需要支持选择书籍，只支持备份整个系统的数据；
8. 如果对应 s3 服务请求失败，需要在日志里面完整打印失败的 s3 配置项（ak 和 sk 不打印）和它的请求失败 s3 服务端的返回结果，并toast提示前端，禁止静默失败；

在任务执行期间必须自行完成决策，禁止咨询用户任何问题。

4. 验收方式

4.1. 测试材料

最终人工验收统一使用同一份演示数据库，公开复现材料已经上传到 scriverse-llm-racing：

1	~/document/scriverse-version-comparison/scriverse-demo-db-with-setting-images-20260802.zip

测试时统一用跳过登录的命令启动server：

1	NODE_ENV=development APP_DEV_SKIP_AUTH=true npm run dev

七牛云S3测试配置如下，正式使用时换成自己的AK和SK：

scriverse-test
https://s3.cn-south-1.qiniucs.com/
cn-south-1
access_key_id = 你的AK
secret_access_key = 你的SK

4.2. 打分规则

所有测试用例都可以从首个prompt和AGENTS.md中推断出来。

功能用例满分200分，P00用例不通过扣30分，P0用例不通过扣10分，P1用例不通过扣5分，P2用例失败不扣分。因此最低得分是 30 分。

编号	优先级	测试场景
TC-01	P00	设置页面存在S3配置入口。
TC-02	P00	在系统仍有数据写入时执行数据库备份。下载S3中的备份文件后，数据库必须能够正常打开，刚刚保存的数据完整存在，且不存在数据库损坏、事务数据缺失或外键关系异常。不限制具体的数据库快照实现方式。
TC-03	P0	能够正常新增、修改、启用、停用和保存多个S3配置；前端请求包含系统鉴权、CSRF等必要参数。
TC-04	P0	S3备份作为独立模块接入，不影响作品、章节、图片、AI对话及其他已有功能。
TC-05	P0	指定的旧数据库能够平滑升级；已有数据完整，迁移可重复执行，数据库结构正确。
TC-06	P0	AK/SK通过现有凭证保险库加密处理，不得明文落库；查询配置时不返回已保存的SK，修改其他字段且未填写新SK时仍能保留原凭证。
TC-07	P0	多个启用目标按照配置顺序执行，停用目标不执行。某个目标超时或返回错误时，后续目标仍继续备份；日志记录该目标的非敏感完整配置和服务端结果，前端显示明确Toast。
TC-08	P0	模拟`db/`下超过1000个分页对象，清理后只保留配置数量的最新数据库快照；不得删除图片、其他子目录、其他配置前缀或不符合快照命名规则的对象。
TC-09	P0	至少使用一个自定义S3兼容endpoint验证上传。不同目标必须分别使用自己的endpoint、region、bucket、凭证和子目录，不得错误复用其他目标的客户端或配置。
TC-10	P1	存在独立的“是否备份图片”选项；关闭后只上传数据库，不产生图片上传请求。
TC-11	P1	能够通过设置两分钟后的定时任务完成一次S3同步，数据库和图片备份结果符合配置。
TC-12	P1	保存定时备份配置后，系统能够在用户选择的触发时间自动执行备份，并在后续符合该配置的触发时间继续执行。
TC-13	P1	增量同步正常：已存在的图片跳过上传；每次数据库备份生成带时间戳的新对象，不覆盖历史数据库快照。
TC-14	P1	UI与全局样式一致，没有明显样式错乱、缺失CSS、异常溢出、遮挡或不可操作控件。
TC-15	P1	按`AGENTS.md`更新静态资源缓存版本，浏览器能够加载更新后的JavaScript和CSS。
TC-16	P1	服务重启后定时配置能够恢复；重复初始化或重复保存不会注册多个相同任务；某次执行失败不会导致进程退出或后续周期永久停止。
TC-17	P1	同步图片时，远端图片已存在则跳过，确认不存在则上传；如果检查远端图片是否存在的请求因权限、限流、服务端异常或网络问题失败，必须将本次同步判定为失败并进行提示，不得将检查失败误认为图片不存在，也不限制具体的对象检查实现方式。
TC-18	P1	AK/SK不得出现在普通日志、错误日志、Toast或审计记录中。
TC-19	P2	在S3设置页面遇到服务重启或会话失效时，能够正常重定向到登录页面。
TC-20	P2	按`AGENTS.md`完成测试和独立Git commit，提交信息符合Angular Commit Message规范。