GDPx 真实工位评测解读：AI 连干 8 小时暴露的六个工程教训

把 AI 扔进真实工位连干 8 小时后，比跑分更管用的六个工程教训

SemiAnalysis 的 GDPx 评测让模型使用原厂智能体框架，在最多 8 小时内解决 206 个真实业务问题，最强模型平均得分约 12%。文章据失败案例提炼六条工程经验，包括建立文档权威地图、设置独立回滚门禁、编写确定性测量脚本、维护外部证据账本、检查评测环境及按单任务总成本分级路由。

推荐理由：文章从 GDPx 的长程任务失败案例提炼工程方法，将文档权威标注、独立回滚验证与外部证据账本纳入智能体工作流。