准确度测试

下载测试脚本。

git clone https://github.com/volcengine/OpenViking.git

下载locomo10_small数据集。

cd OpenViking/benchmark/locomo/openclaw
curl -L -O https://raw.githubusercontent.com/ZaynJarvis/openclaw-eval/refs/heads/main/locomo10_small.json

将数据集locomo10_small.json的对话记录存入记忆。
```
python import_to_ov.py --input ./locomo10_small.json --openviking-url --sessions 1-4 --force-ingest
```
import_to_ov参数说明：
- --openviking-url：OpenViking服务地址，默认http://localhost:1933。
- --sessions：指定会话范围，例如1-4或3，默认所有会话。
- --force-ingest：强制重新导入，即使已导入过。
- --clear-ingest-record：清除所有导入记录。
执行eval.py脚本运行QA测试，它会把OpenClaw的回答和预期答案一起记录下来。
```
python eval.py qa locomo10_small.json --base-url <your_base_url> --token <token> --parallel 15
```
qa参数说明：
- --base-url：OpenClaw Gateway的URL，默认是http://127.0.0.1:18789。
- --token：OpenClaw Gateway Token（或设置OPENCLAW_GATEWAY_TOKEN环境变量）。
- --parallel：并发数，默认10，最大40。
执行judge.py，调用大模型作为裁判，给长期对话的结果进行打分和统计，输入文件为result目录下QA测试生成的结果文件。
```
python judge.py --input ./result/qa_results.csv --parallel 20
```
LLM裁判评分结束后，终端将输出QA通过率及Total Tokens消耗统计信息，同时在result目录下生成对应的结果文件，便于后续查看详细测试结果。

父主题： 端到端测试指南